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 ~0 a; Z# i* b6 r; o' v! Q
拉下来？拉多少？# C2 I. W* R! x4 R; [" o
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
3 x) f3 \0 W7 I5 Q& y g/ S( @8 oMaybe 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 d; b4 B2 T4 p+ v
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)1 s; u7 J6 s9 Z
{
, d# e% _% r. B 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 00:209 A8 b# ]! g9 d# o
这个不是这么比的吧。。。3 _/ m% z0 x q/ L; n# [6 D; B9 p% B
) M0 x) v X3 l- f# Y9 ?+ B9 h
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! p& W' m9 {6 }( n
有道理。
7 U3 R$ m9 X% m1 K4 P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 00:207 {; F" A* q$ l, ^1 r `, [
这个不是这么比的吧。。。* R$ I$ @; Y8 K, k% \

( n# M& @. U- {0 F( ^9 T0 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 01:487 ]/ r4 X! @8 t* V1 l$ d
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 01:277 G$ K* t1 q4 p- @0 b
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
8 B2 o `; m8 n3 j2 `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
! u, @9 `, o5 y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/ j: [/ \: n; x* H' d6 {3 G4 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);
3 @- a/ Z9 `3 K9 Z7 G       std::vector < float > vec2(N);. s! z, }- w5 B/ L) x9 c6 L
      float* b1 = new float[N];
$ I+ Z" ^# V3 o( F' T0 _       float* b2 = new float[N];' r9 n6 K  h# d

# |+ v) D0 C! c, E2 A* L7 G       for (int j = 0; j < 6000; j++)5 R0 ?0 N7 ~$ Z/ G$ ~" l) ^& D& r
      {: u/ \+ l4 T  Y7 @+ Y+ R
            std::generate(vec1.begin(), vec1.end(), []() {9 j7 r" J5 u, L9 l
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;0 n' @* J$ }. v5 f2 k. g/ E
                     });7 F9 V# ?" B, F0 [5 S' O
" c5 y% B5 \3 H: \( v. O, r: I
            std::generate(vec2.begin(), vec2.end(), []() {
2 y8 z# M7 f, i* [4 M                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
; n/ B' O+ O" S: o9 z                      });6 p$ q6 c+ _* N2 Q" c& d

5 e) [5 ?6 h$ k' ~6 Y; v+ g7 u5 N             for (size_t jj = 0; jj < vec1.size(); jj++)1 N5 T7 C, r0 J9 P! U
            {8 o0 q2 S" @9 k9 Z6 z) E
                     b1[jj] = vec1[jj];
/ ?6 U% ~# _5 _             }/ Q/ O! Y7 k+ j+ S8 ?. l, p
$ r! _" D: d$ a, W$ @
            for (size_t jj = 0; jj < vec2.size(); jj++); a. t- K5 d) P
            {
$ g2 R8 m5 k+ Y8 r; k) H0 g                      b2[jj] = vec2[jj];& d4 v' y9 U& f* N. C
            }
* Q5 |# R  j0 q; X1 p: z; G$ j5 l' m
) a( l0 j  A! n! J) A2 \; L             //Method - 1  N=100000 247s  ( n* K' z1 {& e2 R* q$ u" p
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
  U( z1 Q+ [0 ?! P- l! ?% n
+ Q- r; z  _2 t# G$ U7 w. q, t             //Method - 2  N=100000  237s
0 ^* v, B2 E- V0 _8 L4 Y) L: }             /*
8 V- c3 f: V% P( o& K             for (int jj = 0; jj < N ; jj++)
4 r4 @4 H* v3 G+ ~& ~2 H             {
9 _! q' C" K. ~, F                      fresult += vec1[jj] * vec2[jj];
6 Y0 |% G9 i* i2 s             }
$ Z/ a4 |) o6 |/ f) C! O             */1 x6 A& F; }4 k$ ~( L: \9 a

8 f9 k# t6 [7 t2 |, n  s             //Method - 3  N=100000 204s
2 y! O/ ]0 F0 V  K, d             /*, X5 h$ l/ Y, O2 ?# S% c+ {2 C
            for (int jj = 0; jj < N; jj++)
: S$ T4 N/ o% l* `; S             {) k4 V  X# i( _- j- Q1 `
                     fresult += b1[jj] * b2[jj];
& I% `& X' `9 F$ i4 O             }1 {4 X$ W3 I2 Y: n0 E: q8 ~' W
            */
" D1 u/ a: j, t9 I' e* D, u
9 I& E3 d) e; i( a* {& P8 s& M             //Method - 4 202s  m& J; `1 L9 Q- W( q
            /*: w2 ?, {. ~8 u+ b7 C; J$ _
            for (int jj = 0; jj < N; jj++)
/ m% z5 U9 t. K. D3 g, g3 l             {
, W2 w# Q, m  h0 ^, O- `
7 ]# x6 [' x' h+ @             }% J* D# x2 D, W6 D) B
            */
- Z: _/ Y" Z: T; b             //comment out all methods, N=100000  202s
( ^) l0 k, x" y0 B% `9 ]0 m       }
1 C$ I7 _( |* w, B5 N- A* t! a1 h8 S4 l3 j. W
      delete []b1;8 x8 O; f7 t0 T/ n' B3 g
      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 00:156 w1 d! [7 e3 I; D* a- T+ L
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？' _* o( `9 n3 I: Y h: q

* B5 P3 S' U' h! 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 01:16
& E: _2 `) G( g/ c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
0 g, a/ V6 x8 O+ t, m+ R4 K9 Y; k8 h0 [/ w4 y4 `/ @0 V
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
9 Q, P. r! V. k) a+ T8 ]void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
5 u) H0 Y$ }: g{+ w2 P {* j% Y6 t- r
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