C++ 提速的新发现

雷达 · 发表于 2022-9-24 22:54:26

C++ 比 Octave 慢好多，怎么破？

自相关两层循环，内层循环涉及浮点数计算，试验了一下把内层循环内部全都 comment out 只留个壳子, 但空的内层循环本身就把速度拉下来了，看来问题并不在浮点计算。

速度优化问题真的很有意思啊。

欢迎大家继续讨论

数值分析 · 发表于 2022-9-24 23:04:16

拉下来？拉多少？
把代码贴上来看看？

难道分支预测不准破坏流水线执行？不该啊。

沉宝 · 发表于 2022-9-24 23:15:41

会不会代码本身的缺陷阻止了自动优化？另外，硬件配置和开发环境可能也有关系。

风雨无阻 · 发表于 2022-9-24 23:33:02

Maybe Debug mode?

雷达 · 发表于 2022-9-24 23:54:10

本帖最后由雷达于 2022-9-24 23:57 编辑

数值分析发表于 2022-9-24 23:04/ a3 V5 y$ E! E4 d* g% U0 L
拉下来？拉多少？( _0 C! I# k9 I8 ^- a- v* G3 f
把代码贴上来看看？

void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
comp temp, xtimesy;
xtimesy.re = 0;
xtimesy.im = 0;
int j0 = lenB - 1;
int i, j, i1, reali;
if (lenA % 2 == 1)
reali = lenA + 1;
else
reali = lenA;
reali /= 2;

int nconv = reali + lenB;
//#pragma omp parallel for
for (i = reali; i < nconv; i++)
{
temp.re = 0;
temp.im = 0;
i1 = i;
for (j = j0; j >= 0; j--)
{
/* floating date operation */
}
}
}

xcorr函数代码如上，comp是复数struct, 做过长度为11、19两个矢量的测试，和octave结果完全一样

红色部分是内循环，现在其内部操作都comment out 了, j0大概是 6000。
现在call xcorr 100次，耗时78s.

如果把红色部分内循环本身完全comment out， call xcorr 1000次，耗时 <1s.

雷达 · 发表于 2022-9-25 00:17:17

风雨无阻发表于 2022-9-24 23:33
+ X! |- |$ u% w9 `! U9 \0 FMaybe Debug mode?

不应该，看我上面的回复。

我更怀疑是 VS 社区版的问题

数值分析 · 发表于 2022-9-25 00:20:10

本帖最后由数值分析于 2022-9-25 00:24 编辑

雷达发表于 2022-9-24 23:54- t P/ }% Z! R6 r% p
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
' ? S u- O2 S- L$ A6 [{; k! O$ g/ K, r" V/ t7 `0 k
comp temp, xtimesy;

这个不是这么比的吧。。。

您这个函数，不带内循环的话，汇编完总共操作也没几个（不到100个）。

而加上内循环，光jmp和dec指令就至少多执行了6000个，慢个几十倍不是正常的么？

雷达 · 发表于 2022-9-25 00:46:56

本帖最后由雷达于 2022-9-25 01:09 编辑

数值分析发表于 2022-9-25 00:20
p1 U7 `; X! U这个不是这么比的吧。。。
, N( D* w5 D# f9 L6 r! P+ O: ^
- s, i& X/ X6 W" R+ V% j6 U# n您这个函数，不带内循环的话，汇编完总共操作也没几个（不到100个）。

有道理。
所以存在内循环速度就上不去，把内循环取消，改成两个向量直接点乘再求和应该就会好得多，记得 numeric 库里有算向量内积的，我回头试试。

我先尝试尽量用标准库，一个小程序，不想搞得太复杂。多谢了

沉宝 · 发表于 2022-9-25 01:27:53

雷达发表于 2022-9-25 00:46
6 w$ J# z0 I e, z6 u8 g! [" \$ F有道理。
( o, N; J% F" [. j" ~# i; @6 \所以存在内循环速度就上不去，把内循环取消，改成两个向量直接点乘再求和应该就会好得多，这大 ...

你两个试验之间就差了一个空循环， call 1000次按理不会有秒级差异，可能还是编译器优化的问题。举个例子，把循环本身翻译成机器指令loop或dec/jnz，两者速度上会差很多
Why is the loop instruction slow? Couldn't Intel have implemented it efficiently?

沉宝 · 发表于 2022-9-25 01:48:51

数值分析发表于 2022-9-25 00:207 L& w# }6 E: I' m
这个不是这么比的吧。。。& G2 L1 Q% T6 V8 L% V; r

+ d* y' K* L* d- a; D1 l您这个函数，不带内循环的话，汇编完总共操作也没几个（不到100个）。

而加上内循环，光jmp和dec指令就至少多执行了6000个

现在的CPU，可以把判断、jmp和dec指令全部融合进一个µOp（微操作，CPU内部流水线上的执行单位）。如果循环这样跑，花不了多少时间。

数值分析 · 发表于 2022-9-25 02:06:44

本帖最后由数值分析于 2022-9-25 02:16 编辑

沉宝发表于 2022-9-25 01:48- C' ]9 z! W6 N8 ?6 w
现在的CPU，可以把判断、jmp和dec指令全部融合进一个µOp（微操作，CPU内部流水线上的执行单位）。如果 ...

是的，兄台说的对。

其实我想说的是真正数值计算部分和代码中其他不直接计算的overhead的比值这个事儿。

雷达兄构造测试用例的时候，屏蔽掉了所有计算的部分，使得剩下的都是overhead，这样run time比较的结果就显得好像不合理了。如果把计算加回去，计算部分的run time会dominate，结果就不那么离谱了。因为不好说，所以用指令数对比的方式试图直观地说明这一点。

比如说，如果有计算，那么跑六千个循环相对于计算应该用不了多少时间。但是如果一边是什么都不做，另一边是六千个循环，那六千个循环比什么都不做慢几十倍了，就不是那么不合理了。

当然也有可能像兄台说的，是优化参数的问题，但我觉得更多地是测试用例设计的不合理。

雷达 · 发表于 2022-9-25 04:47:43

本帖最后由雷达于 2022-9-25 04:49 编辑

沉宝发表于 2022-9-25 01:27
% J3 L4 ^7 t# L& I' @! I6 W你两个试验之间就差了一个空循环， call 1000次按理不会有秒级差异，可能还是编译器优化的问题。举个例子 ...

又写了个小实验，没有调用子函数，双层循环，外层6千次，内循环30万次空转，有或没有空转内循环，时间差一倍，我上面这个差的太多了。

我已经完全懵了。

沉宝 · 发表于 2022-9-25 05:51:23

雷达发表于 2022-9-25 04:47
2 w; O7 n+ o( \, @ [) i4 W; Y又写了个小实验，没有调用子函数，双层循环，外层6千次，内循环30万次空转，有或没有空转内循环，时间差 ...

时间差一倍的结果可以接受。

你还是用profile工具看看吧。现在大家都主观瞎猜。

数值分析 · 发表于 2022-9-25 14:58:59

本帖最后由数值分析于 2022-9-25 15:38 编辑

雷达发表于 2022-9-25 04:47
& r: L7 J0 ^4 r1 l$ K8 O- s3 B }/ m又写了个小实验，没有调用子函数，双层循环，外层6千次，内循环30万次空转，有或没有空转内循环，时间差 ...

能不能把这个也贴上来，看看和上一个有什么不同？

雷达 · 发表于 2022-9-26 01:30:03

本帖最后由雷达于 2022-9-27 01:17 编辑

数值分析发表于 2022-9-25 14:58' }5 A; y9 c2 `; Y* w
能不能把这个也贴上来，看看和上一个有什么不同？

理了理思路，重新做了一个测试。
做了两个 vector 和两个 float *, 都长 100000
外循环 6000，里面先做随机数生成，模拟真实环境，避免数据的 cache.

内循环试了4种方法，
1. 直接调用 vector inner_product 247s
2. vector 循环点乘累加 237s
3. float * 循环点乘累加 204s
4. 空循环 100000 次 202s

不做内循环 200s

你昨天说的对，内循环本身占比是很小的，大头在其他处理。
另外可以看到， float * 循环点乘累加并不差，比用vector 还更快。

至于我那个原始程序，还有一些疑问，见5楼，其他都不变仅仅是有无空的内循环就有很大不同，这是不对的，也许有一些其他缺陷我没有看到。（也许可以改成 while 试试）

（为什么下面我贴的 b1 加方括号里的 i , 显示出来却是 b1 ？方括号 i 消失了。 LOL . 改成 jj 好了，原来方括号里的 i 是斜体标志 LOL）

      std::vector < float > vec1(N);
. [4 y7 ?& f0 R% h5 O' N8 K0 n. H$ p       std::vector < float > vec2(N);
' g; K: p5 A+ S+ c( }# m  }5 S* M       float* b1 = new float[N];8 i( P5 f- Z: z- c. r5 h" U
      float* b2 = new float[N];: Z0 C! ^5 R3 C6 n
+ u5 ]; P* Y/ t0 X1 E
      for (int j = 0; j < 6000; j++)
# _7 Q& g1 V' e( [+ A/ y       {$ U( b/ u) n! A( q  M
            std::generate(vec1.begin(), vec1.end(), []() {
$ _& U. z' a, P( d' c  Y( N5 }                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;, ]2 m- c7 G" w
                     });, n- K0 L% v) `
4 k0 z6 x# p' x) o, Z
            std::generate(vec2.begin(), vec2.end(), []() {; T' x6 w& V3 }' U% }+ m
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
, t! a6 g- C7 e1 o% _. w7 m0 b                      });+ D" }. o& I2 t4 K& ]& M# W2 A9 a  n7 K

3 M# ~/ p* P2 G             for (size_t jj = 0; jj < vec1.size(); jj++)
+ ^3 z+ |3 w$ Y8 x7 P' ~3 C             {' }  m0 p/ {7 d; r" n
                     b1[jj] = vec1[jj];# _# n1 }$ B" o
            }9 {( [  U- F3 c6 n7 ~9 Z

9 V3 n) ~5 x8 R; W3 i             for (size_t jj = 0; jj < vec2.size(); jj++)5 [9 G: K2 c# \0 o
            {" |- l2 |% E6 W9 T5 V
                     b2[jj] = vec2[jj];
$ Y7 E8 H$ k# c& C3 o3 x             }
+ f# X6 O' q& a* }( ~
* E) I, R5 @' @; h             //Method - 1  N=100000 247s  1 M* ~! P9 I( c& M# b( Y% b% |
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);# L4 x% f; @0 i. Y1 O5 a

9 n7 v3 o/ [" ]             //Method - 2  N=100000  237s' v# |8 G$ H6 K. p! N6 Q. D
            /*
: u" M8 E- u6 }, J0 B% r+ t/ L1 D             for (int jj = 0; jj < N ; jj++)
% r3 b. B: D+ n4 `/ G             {
4 z% I+ N$ r& S' G: Y( Z                      fresult += vec1[jj] * vec2[jj];; H, j, B% _, m+ g. j  d
            }, Q, {# h+ c" b% X- {5 w
            *// L- k+ c* S1 O. _

7 Q- q% y) N/ Z             //Method - 3  N=100000 204s
+ `- U9 r; |8 x  b) `: p             /*) I' {' _" u( \, x
            for (int jj = 0; jj < N; jj++)
) d7 ^8 ?, q% n3 [: f% g  [6 d! N* S             {
+ u" c" v/ ?# |2 W                      fresult += b1[jj] * b2[jj];
, C3 x3 r' Z% R5 }             }
7 e4 J5 k8 ^9 ?( U; e             */
7 }  v& t* @4 {
, y5 w+ q+ K" C, a* ^: \- R             //Method - 4 202s  I6 A& B# P2 |5 X# y; H2 z
            /*
' E& k  }* N9 g6 b3 B% K             for (int jj = 0; jj < N; jj++)/ R' K  s2 w1 D; q6 Z& e1 I
            {. i" }- ~, `* x* b

9 S3 c- f; Z3 W/ `& x1 X             }7 R) U4 T% U6 y  K& b7 v
            */0 k& z: j- H" H2 H+ S; d$ X
            //comment out all methods, N=100000  202s             & ~/ D7 }6 b" M
      }9 M; s: B  h- f

7 W7 m4 Z! x7 B( J7 C       delete []b1;( z4 d! I. C+ J( V' C* Z
      delete []b2;

机器猫 · 发表于 2022-9-27 00:15:38

瞎猜一下啊。把第一个的那个j定义成register变量会不会有不同？

你第二个试验里面的j在循环里面又重新定义了啊，你确定真的跑了6000次？

雷达 · 发表于 2022-9-27 01:16:03

机器猫发表于 2022-9-27 00:15
7 Q6 }: Z/ O/ Y1 F9 S/ K2 f瞎猜一下啊。把第一个的那个j定义成register变量会不会有不同？9 K' ~) f% |* N# {0 |

, B* O# `, t; L: b, G0 G; N你第二个试验里面的j在循环里面又重新定义 ...

内循环里面的 j 实际是 i, 为了规避爱坛显示的冲突帖子里临时改成了j, 现在是 jj 了。好累、LOL

不和它较劲了，瞎耽误工夫，我已经转到 ubuntu, 也准备顺便试试 avx2 向量化。

机器猫 · 发表于 2022-9-27 02:06:58

雷达发表于 2022-9-27 01:16/ n5 @+ S* C6 n- I8 N; c, @, V5 t1 b
内循环里面的 j 实际是 i, 为了规避爱坛显示的冲突帖子里临时改成了j, 现在是 jj 了。好累、LOL
0 q; k ]8 [% t/ t& w0 m$ z, Z+ g& N5 S& x
不和它 ...

不过可以试试我说的register变量。前一个试验j是混在一堆其它变量里一起定义的，很有可能是在stack上，这样内存读写会更多，要是再碰上每次都需要加载cache就更慢了。
后面一个是在循环那里定义的，说不定编译器就把它优化成register变量了

opensrc · 发表于 2022-9-27 07:25:57

一个无关问题，为什么爱坛的帖子里在我这里有好些奇怪的东东在里面，是防拷贝措施吗？

雷声 · 发表于 2022-9-27 20:29:50

雷达发表于 2022-9-24 23:54
0 X! d1 {$ T5 m6 Y" s, m, Mvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)# v% _. G: X' A: r1 n, m- }1 F/ a
{
; h1 F; f! P* b5 G" h comp temp, xtimesy;

这个code里面如果Openmp没有被注释掉的话，那么temp那个变量应该是定义在循环里面，否则线程之间会存在争夺写入那个temp的风险。
内层for循环如果没有内部操作的话，编译时应该被优化掉了，和你完全注册掉整个循环是一回事。可能你的编译设置没有打开优化？
VS社区版没有问题，我工作用的就是社区版，设置正常的话不会比商业版差。以前游说头头用Intel Compiler，他说不想花钱，而且差不了多少，就一直用到现在。

		自动登录	找回密码
密码			注册

[信息技术] C++ 提速的新发现

评分