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
$ H: X5 H5 [6 T- l8 D; B拉下来？拉多少？0 J9 s9 P' G+ f) o6 L
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 23:337 O" U! F0 {/ k$ H* C7 F
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
9 ?" Z9 W/ {! l7 O$ xvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
$ e# ?: l) u4 [( A5 `0 Q" S{ Y4 w! `+ ?+ h
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 00:203 @0 F: e( Z) W# ^& R8 u2 Z/ d2 }7 N
这个不是这么比的吧。。。
% x7 e8 T" ~& g( J3 v
' \; z& f* N2 c* T3 ^# f" 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: U& R; i$ @( t) y) x) L3 R+ i0 ~) A
有道理。0 P* ~1 i/ g9 B$ a8 g
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- _+ Y8 y+ l( m7 H
这个不是这么比的吧。。。
' s$ Z( ]$ V: e
& |! ~7 D0 J8 g2 c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
5 _6 K0 c& u4 S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
' l0 m8 K' I3 e% S# F( 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 04:475 t, U" k- B5 D5 ?9 L q, f
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& y) v8 K! s( V/ {4 Y8 d+ x, 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 ...

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
# H) U( w) G1 z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);" w& D! C! x0 P2 d! V
      std::vector < float > vec2(N);
# j5 @1 \  v$ L* ^1 y       float* b1 = new float[N];2 e2 I2 j8 o/ E. H6 \! [
      float* b2 = new float[N];
! t/ W, [2 c8 s
' b$ H0 q/ {' \2 d) l       for (int j = 0; j < 6000; j++)
7 i1 U" c9 q5 n% J* l  E/ l       {
& L* E, \/ z0 ]             std::generate(vec1.begin(), vec1.end(), []() {
: k; S( B0 B. `2 y( Z                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;4 \, K, `5 S& Y
                     });
1 ?/ o7 c; m3 C9 @; a7 B3 o" y1 ]
( N4 a" W' z# z! \' Z- i, {             std::generate(vec2.begin(), vec2.end(), []() {. X8 X" M4 `$ K1 q7 ]" A
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
8 _' s- R% s& {9 s/ M* F. `                      });' h! i3 q$ V- k5 }3 U2 Q8 h
% _$ G3 k% j1 X  p( p0 L# h; \
            for (size_t jj = 0; jj < vec1.size(); jj++)
) j: |$ h+ N3 a2 w             {% b& N# i( B' T, T* X
                     b1[jj] = vec1[jj];
8 u  V1 u3 {3 e- ~  I. ~5 [& P             }4 G+ Z) V; J5 A& ?2 k$ J% d! W7 B

9 a/ I3 R- G. Y6 B* s             for (size_t jj = 0; jj < vec2.size(); jj++)
7 o. ~2 W; d+ ^             {
3 B' q3 _  X# R: A7 [7 ^. t                      b2[jj] = vec2[jj];1 b8 }- H& [) D2 u3 x
            }
" q& s7 F4 `8 r
' ?+ Y0 X5 n( c$ t: D             //Method - 1  N=100000 247s
9 ], G' w  `0 m             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);' T+ m& A5 p% R7 k
                              8 n6 O; S; {0 {9 E7 s% Y+ X/ g
            //Method - 2  N=100000  237s* H" M0 A7 N' Y) R8 H0 v
            /*9 j9 H+ _5 P3 X/ s* ~, X% T
            for (int jj = 0; jj < N ; jj++)
  n9 S  b# f$ G" h             {
6 c8 j2 b7 X3 |& L. _                      fresult += vec1[jj] * vec2[jj];
  g: p" P, R$ j             }
3 k8 r% E; V& [  _* v5 \. Q  `             */
! P4 C6 R$ d4 @7 d) n' \
8 q# G' ?. ~' C4 a, m. E! n' E$ s& P             //Method - 3  N=100000 204s
3 S) [5 S2 F# x2 C5 \             /*
4 L% J6 F- u+ N8 X, n9 K) P2 G             for (int jj = 0; jj < N; jj++)
' a0 U9 _. T% I0 v             {& a1 y: p; t- w" |# Q# q
                     fresult += b1[jj] * b2[jj];5 E. W: N* ?& [/ F% t
            }
: y4 q( Q8 z2 v* {( {4 }             */
$ ?: n6 B$ o* C- |) @; h0 E! j+ }8 P$ v% n/ ?6 |. j( i
            //Method - 4 202s
& y! v4 ?- ^6 U' _) h             /*
* s, J- w; V9 s# B, M             for (int jj = 0; jj < N; jj++)
! K1 L, U3 x7 H3 T/ l             {# o) S6 ?0 _* s% G& j+ a

3 e' |  K" q! ?3 Z/ i& ~& J             }+ |* j7 c; S3 E8 ], S
            */
6 b  }& b6 y3 a7 L/ l7 K* f             //comment out all methods, N=100000  202s             ' ]1 M# n' i  _' E& a( }, H* c# T
      }6 M3 C3 Y% B* f" `' H3 ]

# o! d# A" t2 w4 E9 G+ r& V% G6 ]& H       delete []b1;- h5 ~; a3 \9 i7 @1 t0 ?# Z" y
      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. M' D u! ~( I+ F+ R+ T
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？
, x! p! W1 n8 ]8 I& D: t2 [7 }% z' X2 s S$ X
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
0 C( S6 I8 E- w- K: \( W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( Y' r( t7 ~8 G% Y" M, d/ K1 v
! A4 Z7 c( h7 `! }4 w
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 23:544 p, ?0 b0 ~8 n3 w. n# f+ t: ~& ]
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
5 [- ]3 Q) z9 M8 d: o{ I* S8 m; 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