CacheGrößen

Cachegrößen bezeichnen die Kapazität eines Cache-Speichers und geben an, wie viel Daten der Cache gleichzeitig speichern kann. In modernen Rechnerarchitekturen existieren mehrstufige Cache-Hierarchien (L1, L2, L3), deren Größen stark variieren. Größere Cachegrößen erhöhen tendenziell die Trefferwahrscheinlichkeit und können die Gesamtsleistung verbessern, gehen aber oft mit längeren Zugriffszeiten, größerer Chipfläche und höherem Energieverbrauch einher.

Die Größe ergibt sich aus der Anzahl der Cachezeilen multipliziert mit der Zeilengröße. Wesentliche Designentscheidungen betreffen die Assoziativität (direkt abgebildet, 2-, 4-, 8-Weg) sowie, ob der Cache inklusiv oder exklusiv zur nächsttiefen Ebene ist. Die Blockgröße (Zeilengröße) beeinflusst die räumliche Lokalität und die Polution des Caches: Größere Zeilen verringern Misses durch räumliche Nachbarschaft, erhöhen jedoch das Risiko, unnötige Daten zu laden.

Miss-Typen bestimmen die Performance in Abhängigkeit von Cachegrößen: Erstzugriffs-Misses (Kaltstarts), Kapazitäts-Misses und Konflikt-Misses. Größere Caches senken allgemein die Miss-Rate, können aber die Latenz pro Zugriff erhöhen. Schreibstrategien wie Write-Through oder Write-Back sowie Write-Allocate beeinflussen, wie Schreibzugriffe die effektive Cacheausnutzung und die Speicherbandbreite beeinflussen. Dazu kommen Cache-Kohärenzprotokolle (z. B. MESI), die Konsistenz bei Mehrkernprozessoren sicherstellen.

In Praxis unterscheiden sich Cachegrößen stark nach Anwendungsgebiet: Desktop- und Server-CPUs besitzen typischerweise größere Caches als Embedded-Systeme oder mobile Geräte. Auch GPU-Architekturen weisen eigene Cachegrößenvehikel auf, die auf hohe Parallelität optimiert sind. Die Wahl der Cachegrößen hängt von Workloads, Energie- und Flächenbeschränkungen sowie vom gewünschten Gleichgewicht zwischen Latenz und Durchsatz ab.

---