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
; ~2 k, h- N! I9 L$ i3 v( R0 m拉下来？拉多少？
# {5 O% ]* K7 a+ c! |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 23:336 J/ {9 r. q: t5 U$ S! W8 _2 P0 e) I
Maybe 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
( Q I! j5 ?0 A2 xvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)6 j+ L& X6 H/ E3 k2 W% P) ], H
{# q4 ?9 X# z* ~) n+ R
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; C, c! V1 N+ o5 p* D
这个不是这么比的吧。。。$ `# G, @4 s' h d& _

5 `/ K: ~8 q' j L3 g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 00:466 S$ a: }- G- g" T6 \6 l& B( c
有道理。7 i" m- X1 f9 M
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
; ?# f/ Y1 v7 x$ {" M K这个不是这么比的吧。。。' I) ^. t+ m5 I, Q/ d

7 [0 ]! Y' H$ H2 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）。

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
( F) y3 _2 g( x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
( n7 }5 E9 i7 B1 a$ R& W, Y/ m" @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" b0 ~# w- G4 p0 S, a9 L8 I) ?7 `
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 04:474 [2 J3 S% ?' V. u" 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* X- W" N$ T2 N
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);
8 Y2 L; ]! Z  R: X. Z       std::vector < float > vec2(N);1 V$ \' m  m$ C: Y" h6 @
      float* b1 = new float[N];
  G  k# q  w' R7 \       float* b2 = new float[N];
4 g4 d9 c' [7 ?, [$ O8 l+ h' F% h/ D0 P# n; C
      for (int j = 0; j < 6000; j++)/ h1 S% Q$ t* K7 _
      {( o: t, @7 D6 T9 X
            std::generate(vec1.begin(), vec1.end(), []() {
5 ], ~) n, A, l, k8 ^                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;! V; u% h" \: u( z5 F; N# k" O: G
                     });

$ G  ]/ ]  ^0 l. e- {: q             std::generate(vec2.begin(), vec2.end(), []() {- F5 q8 W) E2 v  E% F/ G% z  O* A0 o& b
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
2 T- D  V- v9 x/ e                      });
& B" o8 F$ n+ a3 q' l. ^9 H( ^% Z
            for (size_t jj = 0; jj < vec1.size(); jj++)! [( V# p  x, w- y" g0 f, V; L# S
            {
! [/ @) P1 T: a  |7 h" w/ ^                      b1[jj] = vec1[jj];
* ?. W. N( d5 _: w& b' E             }
2 F9 {7 _+ Y4 g  L
" X' [- A; \- h1 L) _             for (size_t jj = 0; jj < vec2.size(); jj++), J& h; O! H; O- p6 {4 k3 I
            {
$ l' B) Z$ q- W' @! j7 Y. K                      b2[jj] = vec2[jj];' l" L4 j! ]! M8 _7 r, R
            }
" F5 j) k" S+ F' K3 T' w! M- f
4 d9 T0 ^; R9 C, `( b             //Method - 1  N=100000 247s  2 u& S; Z" L: f/ ]. p
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
* B8 u( Q8 L' D* S; e5 S# `                               % g- A8 l9 m) a, Z
            //Method - 2  N=100000  237s
) o1 s& _6 c( K# e  s( i             /*& d2 m9 B6 B3 T$ z, r' S
            for (int jj = 0; jj < N ; jj++)
) M- ]( j' J6 J- M" _  D* V* ~4 n             {9 m8 x4 v; @1 o( ~
                     fresult += vec1[jj] * vec2[jj];
) S! V" G; B4 g: J, m0 R4 b: D; C             }+ i$ ], ^: `: q3 C4 w) u( |, w
            */
) ]0 y; S; `( Z7 n% C9 {
9 Z; P% z& ]6 r3 A* q# T/ Q1 j             //Method - 3  N=100000 204s
$ J3 `2 b) V% A/ C             /*
$ y6 B8 O. T1 O6 N             for (int jj = 0; jj < N; jj++)
" m  o7 T2 p5 y2 `- Q             {
- |' H: f. c, b/ n& g% v                      fresult += b1[jj] * b2[jj];/ B# W2 u7 N5 V! R. N" d' X2 C
            }
* N) A+ g- ~! h: G' c- g. m7 S2 f7 r             */4 a* K2 i7 z( B' ?

6 I3 [8 }4 Y% Y. o: f             //Method - 4 202s3 G4 `1 o: H/ }. f( [' D& B6 o/ E
            /*$ {$ B/ W4 j6 H/ k: V; K
            for (int jj = 0; jj < N; jj++)* n) m/ H1 N5 `2 @! h
            {  V3 q! d2 p# c7 w6 j
                     7 `5 Q9 U6 X1 D
            }
+ c) t/ D% v5 W4 x             */" r& L# y* V+ l* K# e
            //comment out all methods, N=100000  202s             % h: Y# }2 C5 b5 s
      }
0 J7 c& {$ P( f$ w5 I% f+ Q2 ^6 P4 \* I9 B, p
      delete []b1;3 j- h% I# t! J+ t: 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
9 k! |+ Y2 B. I4 Z+ Q" p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？0 b" r* N7 B% k
f$ s7 X3 ^2 w# r; d# ?$ M
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 01:163 r" Z* ?# Q% m& [% I. s2 l
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, c( Y8 A% y# I3 `

- l! y& Q$ i p4 r) W1 M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
1 u {/ p$ k b' Z( B0 Ovoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{" H. {% `* L% M$ \{+ Q& z3 v% i# l3 x1 i) d
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