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
: d% ^( _0 p* q; J! }8 [7 d3 ~拉下来？拉多少？# q" q* J1 A$ X' B) D0 J0 G5 S
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 k6 u& V. q6 G# M2 C7 v2 v4 y
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
! f% l. Z4 }% }! v; D7 L, ?: x4 }void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
' z+ }4 v- |; l* F( R{* M6 z% F! ~5 y. d- b+ W
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
: k9 ^1 }* h0 A4 j7 S- t/ W& H% H3 P这个不是这么比的吧。。。9 ~) {& s# C) h9 T6 I, u1 o

2 I6 F* S8 a5 Y3 |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
有道理。 W. y2 G1 s, X( k# ]; M! c j
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
0 o1 ~* [4 O5 r( s/ x这个不是这么比的吧。。。" H& Y+ i2 p' I L) v- K. K) x
6 S0 }9 I' r9 d7 ~! K7 R
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
' J- K4 n& Y, E+ B1 u: j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- y9 W( D" q9 N1 ]2 C) T
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
# l& d& y" {: 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 ...

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+ e' w% A7 R% r7 d, U7 _
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) y8 z+ R$ O/ x& 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);2 L4 e) y/ B; f( s. Z7 ?$ D
      std::vector < float > vec2(N);4 d9 r$ ^$ ]% r9 S7 s
      float* b1 = new float[N];: P% A4 y, G1 c
      float* b2 = new float[N];
+ P8 g5 X& q2 S$ ]
- Z. F6 D! G: g1 u7 Q) w       for (int j = 0; j < 6000; j++)/ e. p* W, l/ H/ X% F- K
      {
% K: {- V1 o" S             std::generate(vec1.begin(), vec1.end(), []() {$ ]# W3 O' Z9 w/ V* {1 _: I, Q
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;) B, W# _, Y' u
                     });
$ c2 G5 A! ~1 V, {7 Z( }2 Y+ {8 E1 U9 N$ W1 h( R
            std::generate(vec2.begin(), vec2.end(), []() {+ X( }+ C1 W8 Z! j/ Y' _
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
( @# C3 t8 |1 D                      });
5 [  x4 Y( v; |$ C
0 \  h9 D: \6 s9 M             for (size_t jj = 0; jj < vec1.size(); jj++)
; U# K" u' }( G# [             {$ v  v( F. E: k7 k" I: G
                     b1[jj] = vec1[jj];, v' @, ^8 ~( N  m+ x
            }* d+ r1 v* ^9 |! j( ]5 ~- G( x

9 W, B- s. |" O2 q6 U7 M- o3 l             for (size_t jj = 0; jj < vec2.size(); jj++)
- s3 ~1 ^( x0 L4 O- I1 [- i             {9 p% x2 }+ y. n7 s
                     b2[jj] = vec2[jj];( ^  c( o! B6 q) Y
            }) u$ j' G% }4 i2 A: m/ a# |
' K; ~' z1 }) ^8 A. ^+ e
            //Method - 1  N=100000 247s
7 i& y/ d/ u' v, p5 O. \             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
0 `8 K7 p1 Q7 {7 L
: N% J' y$ v& C+ F' C3 S& P/ n1 g             //Method - 2  N=100000  237s2 ~9 l0 f% c- e- o$ f; V
            /*+ z. M5 a3 ]9 H5 s2 h
            for (int jj = 0; jj < N ; jj++)
* h! x& i0 Y4 z6 p, O8 U' S             {
5 h. r" |  O) D- J8 s1 _3 w7 d5 I: A                      fresult += vec1[jj] * vec2[jj];! i, s5 e, A# z4 ?/ S
            }2 e) h  v$ E+ u+ g; p% q
            */$ c' r4 v! r. n8 o2 M9 ~
                              3 k- H2 s: m: V& |! J
            //Method - 3  N=100000 204s
2 Q/ g% ]! G( W2 i( n' }             /*
. n4 [' o8 w5 ?4 ^             for (int jj = 0; jj < N; jj++)# x) S6 r- ~3 T- [! }
            {
1 j- v4 t9 e! ?. e8 u* L                      fresult += b1[jj] * b2[jj];5 Y  ~4 a- |  \, N
            }
8 W/ }; ]9 r1 V3 a8 d3 R             */
4 K  B7 m; A: J
: P( ^9 L2 r) {8 B2 M             //Method - 4 202s
2 c2 ~: M9 }9 T! ^* u$ `' s             /*' H4 u% i5 U) F1 g: r
            for (int jj = 0; jj < N; jj++)
3 G4 Z( X9 }: Z4 i* S" K+ a* @8 \             {
% w) d3 H/ M0 @2 V                      5 w2 o% B0 X2 E
            }" B! _, O/ S0 I* d3 q) I  P
            */, f. H  B, o* P
            //comment out all methods, N=100000  202s             # [8 i5 v! U8 d  C) @! ]; c; x
      }/ Y2 z/ Q5 K2 _

' Z4 c' b/ ]3 S9 I+ A/ o- c       delete []b1;  h. Z! Q9 g+ X3 s. `! {
      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
( y+ U8 p, @( l, v7 Y0 } E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？
! ?, _& C8 ~8 f2 N7 Q e
& C3 B2 ~! D. p, ]5 ?! _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 01:160 j0 S m- c" M0 U/ Y' O
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. ?! t N. m. d. B- b. ]

7 S2 o2 g9 B3 T! T. p" 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
+ m; i8 d i* i' Q4 e. D+ nvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB); U9 d8 I+ P* w1 E. ]8 ]# |3 G
{
+ G; M$ y% D& c. {5 D4 [: l. O. ? 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