Как продемонстрировать влияние ограничений кэша команд

Моя оригинальная идея состояла в том, чтобы дать элегантный пример кода, который продемонстрировал бы влияние ограничений кэша команд. Я написал следующий фрагмент кода, который создает большое количество идентичных функций с использованием шаблонного метапрограммирования.

volatile int checksum;
void (*funcs[MAX_FUNCS])(void);

template <unsigned t>
__attribute__ ((noinline)) static void work(void) { ++checksum; }

template <unsigned t>
static void create(void) { funcs[t - 1] = &work<t - 1>; create<t - 1>(); }

template <> void create<0>(void) {  }

int main()
{
create<MAX_FUNCS>();

for (unsigned range = 1; range <= MAX_FUNCS; range *= 2)
{
checksum = 0;
for (unsigned i = 0; i < WORKLOAD; ++i)
{
funcs[i % range]();
}
}

return 0;
}

Внешний цикл изменяет количество различных функций, вызываемых с использованием таблицы переходов. Для каждого прохода цикла время, необходимое для вызова WORKLOAD функции затем измеряются. Теперь, каковы результаты? На следующей диаграмме показано среднее время выполнения для вызова функции по отношению к используемому диапазону. Синяя линия показывает данные, измеренные на компьютере Core i7. Сравнительные измерения, обозначенные красной линией, проводились на машине Pentium 4. Тем не менее, когда дело доходит до интерпретации этих строк, я, кажется, как-то борется …

Единственные скачки кусочно-постоянной красной кривой происходят именно там, где общее потребление памяти для всех функций в пределах диапазона превышает емкость одного уровня кэша на тестируемой машине, у которой нет выделенного кэша команд. Однако для очень малых диапазонов (в данном случае ниже 4) время выполнения все еще увеличивается с увеличением количества функций. Это может быть связано с эффективностью прогнозирования ветвлений, но поскольку каждый вызов функции в этом случае сводится к безусловному переходу, я не уверен, должен ли вообще быть какой-либо штраф за ветвление.

Синяя кривая ведет себя совсем по-другому. Время выполнения является постоянным для небольших диапазонов и после этого увеличивается логарифмическим. Однако для больших диапазонов кривая, похоже, снова приближается к постоянной асимптоте. Как именно можно объяснить качественные различия обеих кривых?

В настоящее время я использую GCC MinGW Win32 x86 v.4.8.1 с g++ -std=c++11 -ftemplate-depth=65536 и нет оптимизации компилятора.

Любая помощь будет оценена. Меня также интересует любая идея о том, как улучшить сам эксперимент. Заранее спасибо!