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 23:048 K- `) z/ K& n7 Z
拉下来？拉多少？
0 m$ C9 w8 f7 V: u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
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
0 Q+ _9 o( o; T7 qvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
# t9 w/ t& \; _% r3 H{6 ]! A& X4 i, s8 \% C
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& I" J- z0 L5 }% T
这个不是这么比的吧。。。
& W. H* g: _, ?+ b. l* W% r# f7 e" V8 e% B$ {2 A: s
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
1 y1 a) g' [: `5 _- K: U" B有道理。
$ Y1 D4 H3 A) |5 I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
2 _8 I' j J9 |; x6 u( |" P5 a: I这个不是这么比的吧。。。
1 P/ _3 N, o0 l2 v/ m: }9 U2 o. a3 g+ [, V# 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）。

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- Q- b$ n" ?: P# c, g' N/ ~. v
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; V3 y) p' w5 E( O. c: u
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! Q; E0 E! ]0 u9 ]( _
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% G8 ~0 {3 o b
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
* K: T; `4 c2 F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);
3 a/ b6 W4 M; @7 e7 T- _0 i% v4 r       std::vector < float > vec2(N);
2 I: l, [* h! @8 L       float* b1 = new float[N];
; K5 w* ~+ e( R& ?+ o6 a       float* b2 = new float[N];
8 c2 a, g% R0 `0 Y% b5 [3 t
9 I4 n( B) j! k' a7 a       for (int j = 0; j < 6000; j++)
6 k7 z6 b) ?9 W5 X) h* S/ L       {! N9 E3 @$ [7 u: d7 s6 G9 e5 r
            std::generate(vec1.begin(), vec1.end(), []() {
. v; F5 u# C( C8 r                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;5 ~- i' V4 r9 \) F
                     });  b& {! x" r& ?: O

) R$ U8 p* {9 d$ w             std::generate(vec2.begin(), vec2.end(), []() {
) U( h2 [2 [* p1 ~* n                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
3 C! D+ n5 Q, H" B7 X                      });! j- |# Z3 B# e2 W, f- M2 ^' U2 V

$ N6 ?/ b# B9 R* l, n% |             for (size_t jj = 0; jj < vec1.size(); jj++)' E8 ^9 V' N. ~3 W  c  U
            {7 E2 n8 I: y( U: h
                     b1[jj] = vec1[jj];
$ f$ p% N! |' [, q4 f% t             }
9 ~, b4 _- E8 l7 E. q, d" E$ C2 ]" c* Y7 j+ Y
            for (size_t jj = 0; jj < vec2.size(); jj++)
( j! ]7 b" _( H  R/ A; o             {
) v8 r9 p+ L! `' A) ?                      b2[jj] = vec2[jj];
& b7 S: h$ F/ ]" X/ J# `+ R+ h             }( m' N6 }, a/ P; `' H% M

0 i; f0 s: [; R) O! _             //Method - 1  N=100000 247s  4 T4 ], D7 }, k+ R) ?
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);. z# K. s1 {4 ]; p
                              % }( }: |3 C6 T; q; f
            //Method - 2  N=100000  237s# }$ r9 r' t5 y& L; x
            /*
% f7 n% Q% q6 |9 L% [( q; b" y             for (int jj = 0; jj < N ; jj++)3 J) s) `! e- \+ g2 j
            {
/ m5 T/ y4 N+ O) i6 ?" [                      fresult += vec1[jj] * vec2[jj];
" R. i2 X; T- k( @/ H3 V             }$ a9 [$ n( S6 s! {) [% M
            */
( r5 I: }9 y" y* @( f                               2 f1 H& l' m1 W7 f) N4 C
            //Method - 3  N=100000 204s0 [( P; Z* e5 Z2 Z
            /*! k& Y1 t* m3 f6 `
            for (int jj = 0; jj < N; jj++)
) r! k4 R7 B, T             {( A7 s9 I! {4 s: u, l: A1 K
                     fresult += b1[jj] * b2[jj];
/ J/ q% ?  j/ A: U9 q: n' `             }7 V: x6 h5 D7 g
            */& I: F$ u' d3 V! u, d. G( I. a
1 W3 _- n9 l4 m. C4 G+ i
            //Method - 4 202s
1 x4 _  u8 ?7 t$ V* E5 q             /*
! _0 W/ @7 i' X! S3 M6 r2 u             for (int jj = 0; jj < N; jj++)8 [0 g7 G5 F0 ^
            {8 T# L# {% C6 Z4 `  Z( F5 c
                     . m/ c8 k7 X& `
            }- D/ J" E3 z! l, d* S( _
            *// r# F/ {" y6 T! a
            //comment out all methods, N=100000  202s             : G" J: d! ^' ~' z/ U9 v7 e
      }
9 W* [/ S" u' @3 x/ Z; }9 V
' C+ k- U4 @( H* e/ c4 P! @       delete []b1;* |4 i$ X+ H2 o0 W& A
      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
5 {# m3 j7 U5 {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 ~; E8 {: i; @# v& ^/ D8 l. N
4 w' b5 a% b A0 S( z5 `2 B1 O" ?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
& i2 d' j/ {2 a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
+ b/ S/ K% {$ g# R( e
; ~2 C6 p5 B* _5 T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
- A9 E$ _9 N" |, r- `" ~5 |2 \& zvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
/ K) N( z0 m) ?' A% G{# ~, V1 x4 Y/ U" i0 [6 X
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