Кратко и по существу — разберём влияние трёх параметров (размер линии, ассоциативность, политика замещения) на пропускную способность, задержку и энергопотребление в многопроцессорной системе, с указанием мультипроцессорных эффектов (коэренси, ложное шаринг и т.д.).

1) Размер линии (cache line)

Влияние на пропускную способность:
Большие линии повышают эффективность пропускной способности при сильной пространственной локальности: при промахе загружается (L) байт, полезных данных больше.Но каждая промах-загрузка расходует пропускную способность памяти в величине (L), т.е. пропускная способность шин/памяти быстрее насыщается при больших (L).В мультипроцессорных системах большие линии увеличивают трафик коэренси (инвалидации/обновления) и вероятность ложного шаринга, что снижает эффективную пропускную способность.Влияние на задержку:
Хитовая латентность доступа к кэшу почти не зависит от (L), но промах-пенальти растёт (время передачи линии ~ пропорционально (L)).Большие линии уменьшают частоту промахов при хорошей пространственной локальности → падает средняя задержка доступа; наоборот при плохой локальности — средняя задержка растёт.Влияние на энергопотребление:
Энергия за доступ увеличивается с (L) (больше данных читать/записывать/перемещать). Примерная модель: (\displaystyle E{access}\propto E{base}+E_{line}\cdot L).Большие линии увеличивают энергопотребление шины и контроллеров коэренси из‑за лишних передач.Выводы/компромиссы:
Маленькие линии уменьшают ложный шаринг и трафик, лучше при низкой пространственной локальности, но повышают частоту промахов и накладные расходы на теги (и увеличивают отопление по тегам).Большие линии выгодны при сильной пространственной локальности и когда память — узкое место по латентности, но вредны в многопроцессорных системах с частыми модификациями разделяемых данных.

2) Степень ассоциативности

Влияние на пропускную способность:
Более высокая ассоциативность снижает конфликтные промахи, следовательно уменьшает обращение к памяти и нагрузку на шину (лучше пропускная способность системы).Но высокая ассоциативность может увеличить количество параллельных поисков/конкуренцию за порты кеша, что снижает пиковую пропускную способность внутренних шин кэша.Влияние на задержку:
Хит‑время растёт с ассоциативностью из‑за многопутевого сравнения и более глубокой логики («комбинаторные» задержки). Для N‑way: хитовое время увеличивается примерно с (\log N).С другой стороны, меньшая частота промахов сокращает среднюю задержку (через AMAT).AMAT: (\displaystyle \text{AMAT}=t{hit}+\text{miss_rate}\cdot t{miss}).Влияние на энергопотребление:
Поиск по большему числу путей дороже по динамической энергии (много сравнений тегов). Энергия ориентировочно растёт с ассоциативностью.Большая ассоциативность требует больше сложных структур и может увеличить статический расход.Выводы/компромиссы:
Низкая ассоциативность (direct‑mapped) — низкая латентность и энергия, но высокие конфликтные промахи при плотной конкуренции (плохо для многих ядер).Высокая ассоциативность — меньше промахов, лучше MPL/пропускная способность общего уровня, но дороже по латентности и энергии. Часто используется компромисс: 4–8‑way для L2/L3, с оптимизациями (way‑prediction, banking, set hashing).

3) Политика замещения

Влияние на пропускную способность и задержку:
Умная политика (LRU, ARC, RRIP) снижает промахи и, как следствие, уменьшает трафик к памяти и среднюю задержку.Сложные политики дают лучшую эффективность кэша при потоках с разной локальностью (например, RRIP/RAND/BIMOD/DIP), особенно важны для смешанных нагрузок в мульти‑ЯДР.В многопроцессорной среде нужно учитывать справедливость и изоляцию: политика с динамическим разделением (utility‑based partitioning, CMT/CPI‑aware) может повысить общую пропускную способность и снизить взаимное вытеснение.Влияние на энергопотребление:
Более сложные политики требуют дополнительной логики/метрик → повышают энергопотребление на решение замещения.Простые политики (RAND, PLRU) дешевле и быстрее, но могут увеличивать промахи и тем самым системное энергопотребление из‑за обращений к ОЗУ.Специальные аспекты для многопроцессорных систем:
Политики с учётом потоков: way‑partitioning, page coloring, per‑core quotas уменьшают конфликт между ядрами, повышают пропускную способность и предсказуемость.Инсерционные/демотивационные политики (insertion position, bypass) позволяют не загромождать общий кэш потоками со сквозной/одноразовой локальностью.Выводы/компромиссы:
Выбор политики — баланс между снижением промахов (и системой пропускной способности) и накладными затратами по времени/энергии. В мульти‑ЯДР важно учитывать QoS и изоляцию.

4) Взаимодействия и системные факторы

Коэренси и ложный шаринг: большие линии + общие кэши повышают количество коэренси‑сообщений; это увеличивает задержки и энергопотребление. Решения: уменьшать (L), использовать субблокирование линии (sub-blocking), оптимизированные протоколы коэренси.MSHR и память параллелизма: при большом числе параллельных промахов пропускная способность памяти и латентность зависят от числа MSHR; большие линии снижают параллелизм за счёт захвата канала на длительное время.Бэнкинг/канализация: кэш с банковской организацией уменьшает латентность при высокой ассоциативности и повышает пропускную способность, но требует контроллера и увеличивает энергозатраты.Инсерты/бипредикторы (way prediction, hit predictor) — компромисс: возвращают хитовое время близкое к direct‑mapped при ассоциативности, экономят энергопотребление.

5) Практические рекомендации (компромиссы)

Если цель — минимальная латентность и экономия энергии для одного ядра/реального времени → малые линии, низкая ассоциативность, простая политика (PLRU/RAND).Для многопроцессорного общего уровня с конфликтами и разнообразными нагрузками → средние линии (баланс (L)), умеренная ассоциативность (4–16‑way), интеллектуальная политика замещения с разделением ресурсов/вставкой и механизмами борьбы с потоком‑“стримерами” (RRIP/BIP/DIP, way‑partitioning).Для систем, где пропускная способность памяти критична и есть сильная пространственная локальность → большие линии, но с механизмами субблокирования/bypass и контролем коэренси.Всегда оценивать по метрикам: (\displaystyle \text{AMAT}=t{hit}+\text{miss_rate}\cdot t{miss}), и энергию на инструкцию приближённо как (\displaystyle E{I}\approx E{cache_access}\cdot(1-\text{miss_rate})+E_{mem}\cdot\text{miss_rate}).

Краткое резюме: размер линии управляет компромиссом между пространственной полезностью и трафиком/ложным шарингом; ассоциативность — между конфликтными промахами и хитовым временем/энергией; политика замещения — между снижением промахов (и системной пропускной способностью) и сложностью/энергозатратами. В многопроцессорных системах важна дополнительная оптимизация на коэренси, разделение ресурсов и контроль потоков для достижения баланса пропускной способности, задержки и энергоэффективности.