接触过不少软件工程师，在他们认识里，好像Cache的“透明”的，是硬件工程师的事情，并不怎么关心Cache的行为。但实际上想要进一步提升软件性能、优化系统设计，写出高效的代码，对Cache的理解使用是必不可少。
当然我也是在多次使用并调试过Cache后，才有一点点认识，把之前整理的一些笔记简单分享下，希望能够给需要的人提供一点帮助，另外如果问题之处，还请批评指正。
1 基础知识
1.1 什么是cache
**高速缓存（Cache）**是位于CPU和主存之间的告诉存储单元，专门用于缓存最近使用的数据。
1.2 为什么需要缓存 (Cache)
计算机存储系统存在一个基本矛盾：上层越是靠近CPU的存储设备容量越小、速度越快、价格也越贵，而下层越是远离CPU的存储设备容量越大、速度越慢、价格也越便宜。 显然，高性能与大容量难以在单一存储层同时实现。 为了弥补 CPU 处理速度与主内存（RAM）访问速度之间的巨大差距，缓存 (Cache) 技术应运而生。CPU 缓存通常分为多级，最常见的是 L1（一级缓存）、L2（二级缓存） 和 L3（三级缓存）。下图是现在CPU架构中常见的大小核心设计，一般会设计三级Cache。
L1 Cache:
最靠近 CPU 核心，速度最快（必须接近 CPU 的时钟频率），成本最高，容量最小（通常在几十 KB 级别）。一般分为指令缓存 (I-Cache) 和数据缓存 (D-Cache)。两者原理类似，但 D-Cache 需要支持读写操作，而 I-Cache 通常只读，因此 D-Cache 的设计更为复杂。使用高速的多端口 SRAM 实现。大容量 SRAM 的查找时间会更长，这限制了 L1 的容量。
L2 Cache:
一般在一个cluster内部共享，用来加速协调SMP多核的访问速度稍慢于 L1，成本和容量介于 L1 和 L3 之间（通常是几百 KB 到几 MB 级别）。通常是指令和数据共享的设计。它作为 L1 Cache 和更低层级存储（L3 或内存）之间的缓冲，旨在保存更多近期可能被访问的数据。
L3 Cache:
位于 L2 Cache 和主内存之间，也可以称为system cache，通常被设计为所有核心共享的资源，减少访问主内存的次数速度比 L2 Cache 更慢，但远快于主内存。容量更大（通常是几 MB 到几十 MB 级别），单位容量成本相对 L2 更低。
当然上面的解释是显而易见的，下面是更加专业理论的解释为什么需要Cache，如下：
加速访问速度 由于CPU的访问速度远高于主内存，频繁的数据交换会导致瓶颈。Cache通过缓存经常访问的数据减少对内存的依赖，显著加快数据访问速度。利用局部原理 基于时间和空间相关的特性，程序往往重复访问相同或者邻近的数据。Cache能够高效的捕捉这种模式，提高更快的数据响应
NOTE： 时间相关性：如果一个数据现在被访问了，那么在以后很有可能还会被访问 空间相关性：如果一个数据现在被访问了，那么它周围的数据在以后也很有可能被访问。
2 Cache的原理
当然网上有很多硬件大佬对Cache机制原理的分享，我这里算是分享下自己的学习，意在简单理解硬件行为的同时更好的提升软件质量。
Cache主要由两部分组成，Tag RAM和Data RAM。
2.1 高速缓存（Cache）的核心组成
高速缓存的物理结构主要由两部分构成：
Tag RAM 作用：存储缓存行（Cache Line）对应的内存地址高位信息（Tag）。 工作机制：通过比较访问地址的 Tag 部分与存储的 Tag，判断目标数据是否命中缓存。 Data RAM 作用：存储实际的内存数据块（Cache Data Block）。 设计依据：基于程序局部性原理（时间局部性 + 空间局部性），一次加载连续地址的数据。
另外一个Tag和它对应的所有数据组成的一行称为一个cacheline，是高速缓存操作的最小单位，一般设计在4-128bytes（我是用过的Cache line是32和64bytes的CPU，另外这里说的cacheline大小指的是data block的大小，不包含tag）。 Cache匹配简单流程（以读内存为例）
1、地址拆分：访问地址 → [tag] + [index] + [offset]。2、定位Cache line：用index找到对应的 Cache line。3、定位Cache line filed： 用offset找到在Cache line对应的位置4、tag匹配：比较所有Cache line 的Tag与地址的 Tag：
命中(hit)：直接读取数据块，使用offset定位具体字节。未命中(miss)：从内存加载数据块，替换对应的Cache line（按替换策略）。
2.2 Cache的组成方式
2.2.1 直接映射缓存
Cache 被分成很多行（cacheline），一行可以存储主存的任意一个数据块，数据块大小等于cacheline；每个内存块只能放在Cache的一个固定位置。
举例看下，直接映射缓存的，假如当前使用Cache size是256bytes，8个cacheline，每个cacheline size是32bytes。此时CPU（x32）要访问0x73c这个地址。
tag ram分布
offset: cacheline size是32bytes，所以要访问全部byte需要5bit（2^5=32)index 一共有8个cacheline，所以索引需要3bit（2^3=8)tag 当前是的地址位宽（AW）是32bit，则tag为24bit（32-5-3=24）
举例：地址0x73c解析为
定位流程，如图
1、 取index定位到对应的cacheline2、 取offset定位到对应的byte3、 取tag ram里的tag和地址中的tag比较，如果相同表明该是cache命中(hit)，否则miss（说明是其他地址的数据）
另外:
实际上每个cacheline的tag还有一个valid bit，这个bit用来表示cacheline中数据是否有效（1有效；0是无效）。实际在确认hit之前，会检查该位是否有效，有效tag才有意义，否则无效，直接判断失效。data ram最后会有一个dirty bit，用于标记数据是否被修改且未同步回主存，在写回策略发挥关键作用，后面在详细说明下。
直接映射缓存在硬件设计上会更加简单，成本上也会较低。根据直接映射缓存的工作方式，我们可以画出主存地址地址和Cache的对应的关系图，如下： 可以看到数据块0-7地址对应数据刚好对应整个Cache，数据块8-f的地址也是同样对应整个Cache。 但这种方式在使用时可能带来以下问题：
1.高冲突 比如数据块0、8都是对应cacheline0，恰好访问在数据0和8之前切换，则会造成Cache 未满，热点数据仍被频繁驱逐，命中率骤降。2.资源利用率低 比如频繁访问数据块3，则cacheline3一直被占用，而其他cacheline一直限制3.性能波动 比如部分程序内存地址分布问题，导致访问冲突率高，会导致性能下降。 以上使得现代处理器很少使用这种方式。
2.2.2 组相连映射缓存
当然组相连就是为了解决直接映射不足，在**组相联缓存（Set-Associative Cache）**中，一个数据可以存储在多个cacheline中，具体位置由组索引（Set Index）决定。如果一个数据可以映射到同一组内的n个不同的Cache Line，那么这个缓存就称为n路组相联（n-way set-associative）缓存。
例如： 2路组相联：每个组（Set）有2个Cache Line，数据可放在其中任意一个。 4路组相联：每个组有4个Cache Line，数据可存放在其中任意一个。 这种设计减少了冲突失效（Conflict Miss），提高了缓存命中率，相对增加些硬件复杂度（如并行比较多个Tag）。 原理：
1.地址解析：当CPU请求数据时，首先将地址分解为三部分：标记（Tag）、组索引（Set Index)和偏移（offset）2.组定位：利用组索引确定数据位域哪个组。每个组包含多个缓存行（cacheline）3.标记比较：在确定的组内，CPU比较请求地址的标记和组内tag ram的标记（valid为高时），寻找匹配的缓存行4.命中处理：如果找到匹配的标记，表示缓存命中（hit），则根据偏移直接从缓存中读取数据5.未命中处理：若无匹配，则缓存未命中（miss），需要从主存加载数据到缓存中
根据组相连映射缓存的工作方式，我们可以画出主存地址地址和Cache的对应的关系图，如下：
2.2.3 全相连映射缓存
在**全相连缓存（Fully Associative Cache）**中，存储器中的任意地址可以存放在任意一个Cache Line中，无需通过索引（Index）定位。此时，地址仅包含Tag和块内偏移（Block Offset），系统会并行比较所有Cache Line的Tag（通常使用CAM（内容寻址存储器）存储Tag，而Data部分仍用普通SRAM存储）。由于需要全局匹配，全相连缓存的灵活性最高（无冲突失效），但硬件开销大、延迟高，因此通常仅用于小容量高速缓存（如TLB）。 在实际硬件设计中，更常用的是组相连映射方式，缓存的分组策略（特别是组相联缓存的关联度选择）会紧密围绕 Cache 总容量、访问延迟要求及成本约束进行综合权衡：
分组（n值）与 Cache 容量的关系：
小容量 Cache（如 L1 Cache：32–64KB）：→ 采用 4–8 路组相联（如 Intel L1: 8-way）。理由：容量有限时需较高关联度缓解冲突失效（避免频繁替换热点数据）。大容量 Cache（如 L3 Cache：10–100MB）：→ 采用 12–24 路组相联（如 AMD Zen4: 16-way，Apple M2: 24-way）。理由：容量本身降低冲突概率，但须控制延迟 → 中等关联度 + 分Bank设计。
L1、L2、L3 Cache常见的分组：
L1 Cache（延迟敏感）：8-way（Intel/ARM）或 4-way（部分嵌入式芯片）。L2 Cache（容量/延迟平衡）：8–12 way（通用CPU）或 16-way（Apple M系列）。L3 Cache（容量优先）：12–24 way（通过多组Bank并行降低高关联度延迟）。
实际现在很多设计都会把Cache做成可配的，比如把Cache配置为ram使用，或者一半配成ram另外一半配置为Cache
3 cache更新策略
cache更新策略是指当发生cache命中时，写操作应该如何更新数据。
cache写策略（Write Policy），缓存命中时的写入方式分成两种：写直通(（Write-Through）)和回写（Write-Back）。
写分配策略（Write Allocation Policy）， 缓存未命中时的决策分为：写分配（Write-Allocate）和非写分配（Non-Write-Allocate）
读分配策略（Read-Allocation Policy），即缓存未命中时的读取方式分为：读分配（Read-Allocate）和非读分配（Non-Read-Allocate）
而读命中，一般没有名字，直接从Cache中读取。
下面时Read/Write在Hit/Miss情况下，不同策略的表现行为和优缺点：
行为Hit/Miss类型解释优缺点ReadHit-CPU 直接从 Cache 获取数据。优点：极快（纳秒级延迟）。MissRead Through数据直接从 Main Memory 读取到 CPU，不存入 Cache。优点：避免 Cache 污染。缺点：重复读取相同数据效率低。Read Allocate数据从 Main Memory 加载到 Cache，再从 Cache 读取到 CPU。优点：后续读取相同数据更快。缺点：占用 Cache 空间。No-Read Allocate等同于 Read Through，数据不加载到 Cache。同 Read Through。WriteHitWrite Through数据同时写入 Cache 和 Main Memory。优点：内存数据始终最新（强一致性）。缺点：写入延迟高，带宽压力大。Write Back数据仅写入 Cache，Main Memory 延迟更新（如 Cache 替换时）。优点：写入速度快，带宽占用低。缺点：内存数据可能过期（需额外机制维护一致性）。MissWrite Allocate数据先加载到 Cache，再按 Write Hit 策略处理（Write Through/Back）。优点：适合后续可能重复写入的场景。缺点：额外加载开销。No-Write Allocate数据直接写入 Main Memory，不加载到 Cache。优点：避免无效 Cache 占用。缺点：后续写入无加速。
4 Cache使用问题
4.1 性能问题
const int row = 1024;
const int col = 1024;
int matrix[row][col];
//按行遍历
int sum_row = 0;
for (int r = 0; r < row; r++) {
for (int c = 0; c < col; c++) {
sum_row += matrix[r][c];
}
}
//按列遍历
int sum_col = 0;
for (int c = 0; c < col; c++) {
for (int r = 0; r < row; r++) {
sum_col += matrix[r][c];
}
}
上面是个老生常谈的代码，Cache最小操作单元是cacheline，根据局部性原理，访问主存时会把相邻的部分也加载到Cache里，按行访问的话，后续访问地址相邻的数据时，Cache的命中率就会很高，性能相应按列访问会有不小提升。
4.2 缓存一致性问题
写直达（Write Through） 我们在写内存时，如果是写直达（Write Through）方式，把数据同时写入内存和 Cache 中，那么内存和Cache就直接保持一致，就不会存在一致性问题。 但这样优点就是简单，但缺点是无论数据在不在 Cache 里面，每次写操作都会写回到内存，这样写操作将会花费大量的时间，无疑性能会受到很大的影响。
写回（Write Back） 在写回机制中，当发生写操作时，新的数据仅仅被写入 Cache Block 里，只有当修改过的 Cache Block「被替换」时才需要写到内存中，减少了数据写回内存的频率，这样便可以提高系统的性能。
缓存命中时（数据在 Cache 中）
直接更新 Cache 数据标记 Cache Block 为脏（Dirty） → 代表与内存不一致但不写入内存
2.缓存未命中时（数据不在 Cache 中） - 若目标 Cache Block 是脏的：
先将该 Block 数据写回内存再加载新数据到 Cache标记为脏 - 若目标 Cache Block 是干净的：直接加载新数据到 Cache标记为脏
会发现这种好处是，在大量操作命中Cache的时，大部分时间CPU都不需要读写内存，性能将可以提升很多。
场景1： 单核缓存一致性问题 1、DMA将数据包写入内存mem，CPU（协议栈）需要读取该数据包，但Cache并感知不到内存更新，这是就会导致不一致的问题； 2、同理，CPU（协议栈）组包之后，写入mem，实际只写入了Dcache，并未写入到内存，此时DMA去读取，获取到的也是旧数据。
解决方法： 一般这种单核和外设之间的数据一致性问题，也比较简单，可以通过软件来操作保证缓存一致性： 1、CPU读时数据标记缓存无效，将会把数据先读取到Cache，再从Cache读走。 2、CPU写数据时，刷（flush）Cache操作，将数据从cache刷到mem中。 当然也可以把Cache关了，读写直通（虽然没了一致性问题，但就相当于没了Cache）
场景2： 多核一致性问题 现在的CPU很多都是多核，每个Core都会拥有各自的L1 Cache，每个Cluster也有有自己的L2 Cache，所有的Core也会有L3 Cache，那么就会带来多核的缓存一致性的问题，如果不能保证缓存一致性的问题，就可能给软件带来很多意想不到的错误。 当前的Cluster里共两个core，当core0修改全局地址变量 i = 10；然后缓存到了Cache（并未修改mem），此时core1读取i，获取到的仍然时未修改前的变量。（这里只有L1 是各自core独有的，L2和L3 Cache是俩个core共有）
为了解决这个问题，就要一种机制来同步俩个core 缓存中的数据，这个机制就要做到以下两点： 1、写传播（Wreite Propagation），即：某个core的Cache数据更新时，必须要传播到其他core的Cache 2、事务的串形化（Transaction Serialization），即：某个core里对数据的操作顺序，必须在其他核心看起来顺序是一样的（这里实现需要“锁”机制）
总线嗅探（Snooping） 原理：所有缓存通过共享总线监听内存操作（如读写请求），嗅到相关地址时触发本地动作。
MESI协议 最经典的协议是MESI
MESI 协议其实是 4 个状态单词的开头字母缩写，分别是：
Modified，已修改Exclusive，独占Shared，共享Invalidated，已失效
这四个状态来标记cacheline四个不同的状态，即cacheline的状态机。
状态含义监听动作触发M (Modified)数据已修改（仅本核心有效）收到读请求 → 写回内存并转SE (Exclusive)独占（未修改，仅本核有）收到写请求 → 转 MS (Shared)共享（多核只读副本）收到写请求 → 无效化本副本I (Invalid)无效（数据不可用）可加载新数据
简单流程：
当然我这里只是简单介绍了下保证缓存一致性的机制，感兴趣，可以自行搜索深度学习下，作为软件开发，想要提升软件性能，发挥硬件的最大能力，还是要理解这些硬件机制的。
参考： Cache 学习笔记 浅析CPU高速缓存(cache) 一文看懂CPU cache的基本原理