hakmem/docs/status/CURRENT_TASK.md

# CURRENT TASK – Performance Optimization Status

**Last Updated**: 2025-11-26
**Scope**: Phase UNIFIED-HEADER Bug Fixes / Header Read Performance

---

## 🎯 現状サマリ

### ✅ Phase UNIFIED-HEADER バグ修正完了 - 大幅な性能改善達成

| Benchmark | Before | After | Improvement |
|-----------|--------|-------|-------------|
| **Random Mixed (10M)** | 68-70M ops/s | **80.64M ops/s** | **+15-19%** 🎉 |
| **Fixed Size (10M)** | 21.3M ops/s | **30.09M ops/s** | **+41%** 🎉 |
| Larson (1T) | SEGV ❌ | SEGV ❌ | 未解決（別問題） |

### 現在の性能比較 (10M iterations, Random Mixed)
```
System malloc: 93M ops/s (baseline)
HAKMEM:        80.64M ops/s (87% of system malloc) ← NEW!
Gap:           ~13% (vs 以前の 27%)
```

**重要**: Phase 27 で「68-70M が限界」と結論したが、今回のバグ修正で **80.64M ops/s** を達成。
System malloc の **87%** まで到達（以前は 73-76%）。

---

## 🐛 Phase UNIFIED-HEADER で発見・修正したバグ

### Bug #1: `tiny_region_id_read_header()` の致命的な実装ミス ⚠️

**問題**: Phase 7 の目的は「SuperSlab lookup（100+ cycles）を排除してヘッダー読み込み（2-3 cycles）で O(1) class 識別」だったが、**実装が逆のことをしていた**

**発見された実装**:
```c
// tiny_region_id.h (修正前)
static inline int tiny_region_id_read_header(void* ptr) {
    // ❌ SuperSlab lookup してメタデータから class_idx を読む（100+ cycles）
    SuperSlab* ss = hak_super_lookup(ptr);
    return (int)ss->slabs[sidx].class_idx;  // これでは Phase 7 の意味がない！
}
```

**修正後**:
```c
// tiny_region_id.h (修正後)
static inline int tiny_region_id_read_header(void* ptr) {
    // ✅ 実際のヘッダーバイトを読む（2-3 cycles）
    uint8_t* header_ptr = (uint8_t*)ptr - 1;
    uint8_t header = *header_ptr;

    // Magic validation
    if ((header & 0xF0) != HEADER_MAGIC) return -1;

    // Extract class_idx
    return (int)(header & HEADER_CLASS_MASK);
}
```

**影響**:
- `class_idx=255` エラーの根本原因（スラブリサイクル時に `meta->class_idx = 255` を読んでしまう）
- Phase 7 の性能改善が発揮されていなかった（100+ cycles のlookup を毎回実行）
- 修正後: Fixed Size +41%, Random Mixed +15-19% 改善

### Bug #2: `tiny_superslab_free.inc.h` - USER→BASE 変換の chicken-and-egg 問題

**問題**: `PTR_USER_TO_BASE(ptr, 0)` で常に class 0 (headerless) を仮定
- C1-C7 (header あり) で間違った base pointer を計算

**修正**: 2段階 lookup
```c
// Step 1: USER ptr で slab を検索
int slab_idx = slab_index_for(ss, ptr);

// Step 2: meta から class を取得
uint8_t cls = meta->class_idx;

// Step 3: 正しい class で BASE に変換
void* base = PTR_USER_TO_BASE(ptr, cls);
```

### Bug #3: `sp_core_box.inc` Stage 3 - free_slab_mask クリア漏れ

**問題**: 新しい SuperSlab 割り当て時に `free_slab_mask` ビットをクリアしていない
- Stage 0.6 が同じ slab を複数の class に誤割り当て

**修正**:
```c
atomic_fetch_and_explicit(&new_ss->free_slab_mask, ~(1u << first_slot), memory_order_release);
```

### Bug #4: `tiny_ultra_fast.inc.h` - Alloc パスの +1 決め打ち

**問題**: `return (char*)base + 1;` が全 class で +1（C0 headerless で間違い）

**修正**: `return PTR_BASE_TO_USER(base, cl);`

---

## 📁 主要な修正ファイル

### 今回の修正（2025-11-26）
- `core/tiny_region_id.h:122-148` - ✅ ヘッダーバイト直接読み込みに修正（Phase 7 本来の設計）
- `core/tiny_superslab_free.inc.h:24-41` - ✅ 2段階 lookup 実装
- `core/box/sp_core_box.inc:693-695` - ✅ Stage 3 free_slab_mask クリア追加
- `core/tiny_ultra_fast.inc.h:55` - ✅ PTR_BASE_TO_USER 使用

### Arena Allocator 実装（以前）
- `core/box/ss_cache_box.inc:138-229` - SSArena allocator 追加
- `core/box/tls_sll_box.h:509-561` - Release mode で recycle check オプショナル化
- `core/tiny_free_fast_v2.inc.h:113-148` - Release mode で cross-check 削除
- `core/hakmem_tiny_sll_cap_box.inc:8-25` - C5 容量を full capacity に変更

---

## 🗃 過去の問題と解決（参考）

### Phase 27: アーキテクチャ限界調査（2025-11-25）
- **結論**: 68-70M ops/s が限界と判断
- **実際**: Bug 修正で **80.64M ops/s** 達成（+15-19%） ← 実装バグが原因だった！

### Arena Allocator 以前の状態
- **Random Mixed (5M ops)**: ~56-60M ops/s, **mmap 418回**
- **根本原因**: SuperSlab = allocation単位 = cache単位 という設計ミスマッチ
- **解決**: Arena allocator 実装 → mmap 92%削減、性能 +15%

---

## 📊 他アロケータとのアーキテクチャ対応（参考）

| HAKMEM | mimalloc | tcmalloc | jemalloc |
|--------|----------|----------|----------|
| SuperSlab (2MB) | Segment (~2MiB) | PageHeap | Extent |
| Slab (64KB) | Page (~64KiB) | Span | Run/slab |
| per-class freelist | pages_queue | Central freelist | bin/slab lists |
| Arena allocator | segment cache | PageHeap | extent_avail |

---

## ⚠️ 既知の問題

### Larson (MT) クラッシュ
- **Status**: 未解決（別のレースコンディション）
- **原因候補**:
  - Cross-thread free（Thread A alloc, Thread B free）
  - TLS SLL stale pointer
  - SuperSlab lifecycle race
- **Next Step**: ENV `HAKMEM_TINY_LARSON_FIX=1` を使った cross-thread 検証

---

## ✅ 完成したマイルストーン

1. **Arena Allocator 実装** - mmap 95% 削減達成 ✅
2. **Phase 27 調査** - アーキテクチャ限界の確認 ✅
3. **Phase UNIFIED-HEADER バグ修正** - 80.64M ops/s 達成 ✅
4. **Header Read 最適化** - SuperSlab lookup 排除 ✅

**現在の推奨**: 80.64M ops/s を新 baseline として、Larson (MT) 問題の解決と Mid-Large ワークロードの最適化に注力する。