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
$ ?' `6 P! _' C/ I }0 p拉下来？拉多少？
; P/ n- Z6 C) i. 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
* M- ?: z/ f" ?3 p# RMaybe 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
d8 @5 u1 D5 J+ |) G- ovoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)2 N* h5 h; n& `9 `+ h8 {( t/ B4 y4 R- }
{
/ v( q# W3 M* Q; f7 W" M 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
8 T+ O' n$ S/ @$ n8 p9 f这个不是这么比的吧。。。6 f0 N* T4 Z6 N9 @' g

% b; z$ W6 r; }+ N! ~1 L J T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
2 `' i" z- F! F' a* L有道理。
% A# q4 K, b9 }) W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 00:20
+ }, x# P; J: T这个不是这么比的吧。。。
2 ]9 a/ c( A$ O9 R8 X
( J& S' C" k# F7 I7 |5 M! A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 `4 w& d% d7 _. T1 p% d0 h3 m- }
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 01:273 ?0 ]8 t2 e& `
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 04:475 X3 V% G" U$ m5 {/ L5 ]" n; O( O
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) q7 v" b+ y( {1 N
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
- E- c; _) c+ R7 O& O7 O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);
6 z/ V& E- j2 o$ C( |. Q! C. n& q       std::vector < float > vec2(N);  F9 K. j: g. v8 \( X, Y. W
      float* b1 = new float[N];( C- e4 ^8 [5 ?" |/ R- G) x. b$ p
      float* b2 = new float[N];
4 z3 O& s" w5 y
* D1 Z; V1 P  n9 r       for (int j = 0; j < 6000; j++)
1 G# t: X# r% d0 i% q       {
- g! _; j' z3 F1 D9 k5 [             std::generate(vec1.begin(), vec1.end(), []() {" D6 V, C6 I( M% q" ^. y
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
1 F  G/ ?# r$ t: b( D! l                      });" U% ^6 D" |$ H, Z8 U5 Y
; {4 {, R4 o7 f0 I, ~0 @7 _  C
            std::generate(vec2.begin(), vec2.end(), []() {( a; a% F4 \# u' ]  u# s* _
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
* A6 C$ H1 J% j                      });
* S' R0 G  d3 I" K# `5 W; w% S
6 J, Z4 u; P4 L5 v             for (size_t jj = 0; jj < vec1.size(); jj++)
+ l3 j1 p" O, Z             {
0 l+ k4 Z- G4 r0 l# W6 F3 Y: e                      b1[jj] = vec1[jj];: {9 E1 t0 g5 l$ A; U8 ~6 O
            }
, H, X2 ^# `4 ]* `  K; ~3 h+ x% c( w& Q0 ~# E5 U
            for (size_t jj = 0; jj < vec2.size(); jj++)
( W* i$ @% {1 D' A5 a             {. z7 p0 o1 J! Q8 S
                     b2[jj] = vec2[jj];. Z5 y( x% u" J
            }
9 v- P$ z8 y3 \" O/ ]/ l
, {3 p/ Q& U# {; h             //Method - 1  N=100000 247s  ; k6 N+ \* @, |+ m* [1 H
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
% \# f3 |# Y/ E9 g+ l! e  O
6 H. c$ X5 D' V! L5 E1 @& [             //Method - 2  N=100000  237s) P& `9 E- E/ h% N8 _! L4 x
            /*
# ?* j7 B' V" P1 x0 o. k; ~8 q             for (int jj = 0; jj < N ; jj++)2 M2 s1 W8 S8 r+ o- g
            {
( e( ~& G8 T- o* \                      fresult += vec1[jj] * vec2[jj];) O) n( L$ q. [* u& N
            }
& L$ t- L5 y2 V( V             */. R/ E0 m8 ~+ c9 B/ K% ]
                              - o( ?5 a* ^6 v
            //Method - 3  N=100000 204s: Z# X4 _* f% x( ^. z
            /*
7 L5 M8 X; q- y             for (int jj = 0; jj < N; jj++)9 C+ H) \0 @% n7 B
            {
8 R0 P- t( P8 p, L+ ^# [0 Z1 c                      fresult += b1[jj] * b2[jj];
1 Y3 T# ~. J( y9 z             }! I( Z7 e) G" v
            */
3 `* [/ }- p4 C6 }! A4 n5 B( ~& F+ _. _4 A7 @& ~
            //Method - 4 202s
4 Q8 v! E# _0 @# B5 \' D- p             /*
& ?) Q' R4 A& j! R; {" Q             for (int jj = 0; jj < N; jj++)  u" I: d7 ]' @# V! ^
            {
& W4 g2 O# x7 g+ k6 K  `+ ^                      7 X, p8 v0 K# |0 e( M# h
            }" g, u; ?: N& k9 K' ?$ u
            */' ^  k; R# U0 @& u; G
            //comment out all methods, N=100000  202s
' l/ H" |7 y4 I9 n' C( h8 d       }
' w: p% R0 W/ s( O7 E
- O# S3 X! j' A! x6 Q       delete []b1;
, K2 t4 x/ R' u2 b. S1 Q       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
8 o& v& ~1 {+ `5 W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？
) T) i* s; {! b, T3 `: l8 J, W) G' g0 N# i$ \2 v8 b
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 01:169 i# C* p, C. }& a: s A7 x
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
( Y4 y# [5 q( x2 @& K
4 i9 {$ ^7 E |5 l! N+ ^- F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
! G4 N6 K7 ~/ v7 X1 t& c% Tvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
+ l- r) H" g8 w. N: Q9 s{
9 V; { d; W+ k: s 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