硬體效能計數器（PMU）

假設你想知道的不只是某個迴圈「很慢」，而是「為什麼」——它在等記憶體、在分支預測失敗、還是單純做了很多工作？普通的計時無法回答。但 CPU 本身在執行時會替一些低階事件記下微小的計數，而你可以讀取它們。那些計數器就是硬體效能計數器，晶片上管理它們的單元叫效能監測單元（Performance Monitoring Unit），簡稱 PMU。

具體來說，PMU 有一小組實體計數器暫存器。你把每一個設定成計數某個特定的微架構事件——例如總週期數、退役指令數、某層快取未命中、分支預測失敗、或 TLB 未命中——接著每當該事件發生硬體就把那個暫存器加一，對你的程式幾乎沒有拖慢。軟體在區段的開頭與結尾讀取它們再相減。因為實體計數器只有幾個（常為 4 到 8 個），想一次計許多事件的工具會「多工」它們：先計事件 A 一陣子、再切到事件 B，然後把結果按比例放大，這在長時間執行下是準的，但會多一點雜訊。在 Linux 上標準介面是 perf_event_open() 系統呼叫，perf 工具與 PAPI 之類的函式庫都建立在它之上；同樣的計數器也能驅動取樣式剖析器，方法是每 N 個事件就觸發一次中斷（例如每一百萬次快取未命中取樣一次，看看未命中來自哪裡）。

它之所以重要，是因為計數器把「這很慢」變成一個診斷。看到高快取未命中率，把你指向記憶體佈局；高分支預測失敗率，把你指向不可預測的控制流；未命中很少卻每週期指令數很低，把你指向相依性或執行埠瓶頸。誠實的提醒：計數器事件的名稱與意義在不同 CPU 型號與廠商間各異，所以某顆晶片上的配方未必能搬到另一顆；讀取它們通常需要較高權限；而且一個原始計數只有在有基準對照時才有用——「一百萬次快取未命中」在你知道它是每次迴圈一次還是每千次一次之前，毫無意義。