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
7 O c& K) p& ^ J3 Q& f拉下来？拉多少？) h+ V. y6 B3 A: d
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
* T2 w' }; l# G: ~# vMaybe 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
9 X: K0 I# k8 n; Pvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
# A `: T* U* s2 u7 ^1 s$ g{% Q* Q- u& B0 j4 i1 U! J
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
3 g9 _, Z# H& W( z这个不是这么比的吧。。。
+ u6 m" K( l ]4 d* m$ F O! `
9 c2 L/ c) w$ G ~0 L+ s! z% {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
7 D! m5 P; t1 Z! n* n) y) I) W; v! `有道理。
3 _$ W+ U/ f" [4 q& L+ l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 00:206 Y2 T) @3 m4 \& U: [5 G$ _
这个不是这么比的吧。。。/ b9 B: r, D# l5 ?

$ j$ }% F2 I/ }$ j+ k9 N/ }( X$ j0 b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 01:486 a7 A* ]: S- @# @5 d6 ]( S
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
2 P' g n$ ?: w. R4 e A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 04:474 C; c: J, i6 G
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 04:472 u0 t' d- u+ T9 D0 W. w' D
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) s1 S' w! M, f' W$ G
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);9 j8 P. e1 H: I% g* i# @% T0 r
      std::vector < float > vec2(N);+ K, i# k5 h- n3 P
      float* b1 = new float[N];7 ~% `7 r. Q2 y4 W2 f( `
      float* b2 = new float[N];, w4 ~: u) ^, I, u- ~
$ y9 B: J+ v9 K+ R4 Q) t
      for (int j = 0; j < 6000; j++)5 Z6 E5 Y1 B) \& c3 Z4 q
      {
- U6 b8 ^/ \/ m' L             std::generate(vec1.begin(), vec1.end(), []() {
& k) R% [2 u1 s+ b                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
3 u! t6 Y) H% d. z                      });" d$ u4 \- r7 @' {

* Z3 S% J4 V# q" r! _6 k             std::generate(vec2.begin(), vec2.end(), []() {
9 {$ o5 P! g6 N3 ]. u  y2 }                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;: {$ `4 v5 `9 S
                     });
# W+ i  E0 a/ ^; ~9 U
6 i, x0 ^( `: x$ A6 s" B             for (size_t jj = 0; jj < vec1.size(); jj++)4 g3 C' b- ^$ b# h; Q  G
            {
  r6 a# z9 Q1 k% |6 ?4 Y/ \                      b1[jj] = vec1[jj];
; G" R* Y- y. g( T! p             }
- e- W/ ]  K& K% E8 y* q/ e  _; O. s- A* d% X! F: j
            for (size_t jj = 0; jj < vec2.size(); jj++)
( Q' K0 ]4 t. }! u+ i             {+ Y* H$ L# r# Z- _" n. P
                     b2[jj] = vec2[jj];
  S2 U# o% l( O, F* r+ i             }
% N# _& }" P. K% B- d! ]+ B
+ Z1 b- _, Z# a/ q! J4 ~) u+ q             //Method - 1  N=100000 247s  ( a# D8 n6 U1 Q- f9 m, D! r0 T/ y: B
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);8 p1 b9 i0 m+ X3 |4 |- [

# C: ~7 S; B/ H$ N& Y! ]3 \             //Method - 2  N=100000  237s
9 t) S, `) a: I1 A2 `0 S             /*
; S) \" ^- R% u( A             for (int jj = 0; jj < N ; jj++)9 W& P" ^) R4 q! @. A6 f7 R
            {% {& l6 t8 o$ x# n' D: i* W+ D, a
                     fresult += vec1[jj] * vec2[jj];' P, w, D/ N% A3 W+ i& U
            }' j2 r7 T. U: x7 x4 I
            */2 W4 o9 I6 A7 O# G8 G8 i3 |
                              2 L3 b+ Z: I7 P) @8 W
            //Method - 3  N=100000 204s
2 T* F: \, u5 X+ e0 @             /*
! o5 P" E1 R9 f' a7 S" j3 D* F7 m             for (int jj = 0; jj < N; jj++)) |) i' y9 M2 P( d: e: G" v
            {" {, B' O& L! m  [
                     fresult += b1[jj] * b2[jj];
  n0 E# p0 `, p( u; P) V* d             }1 L6 ], M" X4 u& F! Z/ z" O
            */& a- D( S' C# @! {/ x2 I% Q, J
. h& j( f" j; U8 i3 I! X4 u
            //Method - 4 202s
7 ^4 |, M; o% J$ G             /*
+ i8 E* H. Y: Q             for (int jj = 0; jj < N; jj++)! i. T% u" A5 X  Y9 R9 Y
            {
, y/ L. y- Y0 Z
. I+ d* `0 ]1 f6 O: j/ ^' a- ]             }
* L; n2 q; R8 N; M5 ^6 N; I             */
3 T" ^+ l: M& J/ x2 n6 d             //comment out all methods, N=100000  202s             * q4 Y1 f% F  Q
      }
' Y* s* P( x2 o- n+ {$ f. g% B; |7 c9 \, G0 j& s" {2 |* H
      delete []b1;
- O( _3 J0 t; ]# S6 N       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
- m5 \- |# _' I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？6 Q. _/ }( ^: T' w
' }/ A3 \6 e6 G9 ]
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
" @# S$ `/ o2 ]. \+ c% B& 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
3 M: L3 ^8 }# B- [0 i8 K( ]9 G$ _7 k
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( D% r0 y8 O0 Q
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)0 \" V. K( q) S) E
{
6 E8 W, [* H4 K; V j/ |3 ]3 C2 K 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