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
) a0 @) Y$ y' E拉下来？拉多少？# C2 ~9 X3 O) l+ r" a; @% W/ E7 Y& R
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' Z) [7 f- D$ N7 `; U
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- T9 k5 o+ H7 ^9 r+ g
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)' ]5 F# F: \9 q) Z
{
3 s; c6 ?9 \; i 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 00:206 ^+ X1 Y, d7 a5 X7 H: W
这个不是这么比的吧。。。
0 S6 a" @- f- l9 t/ g3 X+ l0 x8 \' I; q, s. a0 X, r3 j
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
/ F% N9 Y& k/ b8 B- q- [; p有道理。/ U0 F' p& t; _" z) U5 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 00:201 j: r5 U! X8 `
这个不是这么比的吧。。。7 q. G5 w. }- p+ @
* j5 _" S' ]! Q# Q) 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 01:480 R6 J" L3 W! q2 y% p+ ]
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
( D4 p3 j( R+ g4 w: W' ]; w- \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 p, y8 S) `3 Z% `$ r" R2 x6 }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
+ W& I( |' _% X( F3 j" V2 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$ ]) `6 o% F1 d2 K
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);7 o' L) _+ Q  l8 {0 h8 S2 I: `
      std::vector < float > vec2(N);
! t7 ?3 k1 |& }- \! A  H       float* b1 = new float[N];
. E  E8 g; `( e3 ~" ~* t: t* n       float* b2 = new float[N];
! W1 Y# w, J6 C7 `/ ~) R. n* E  X6 V
      for (int j = 0; j < 6000; j++), n+ h2 `: v" E9 i5 p
      {# ]$ K) J9 N8 @* x* r- E% N
            std::generate(vec1.begin(), vec1.end(), []() {
2 V" U+ {% p2 n0 A                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;$ m' _% X2 e1 o4 e
                     });% r' K' Y7 {  s) T

( n# ^9 k; @! P% h4 O+ O1 w6 B% M$ [             std::generate(vec2.begin(), vec2.end(), []() {! a! a* o. M( j* p1 ~3 Q
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
/ g7 H, j2 G* A! S9 |+ F8 p                      });  e" Z0 X  l) v4 C. A/ p( A

" H0 o# y5 o7 y             for (size_t jj = 0; jj < vec1.size(); jj++)
  q- A" F/ ^% W% u/ @             {7 @% D. v* J3 J2 t
                     b1[jj] = vec1[jj];
8 E5 {' L0 Q8 a+ i& J6 s+ X             }
% M: k3 t3 o( _5 G& A: P1 ?0 P7 ?9 P! M5 I4 E
            for (size_t jj = 0; jj < vec2.size(); jj++)
& f7 J4 n. J, D- [; i& b( B5 _             {# X8 e$ W0 Y3 R2 v+ g9 }
                     b2[jj] = vec2[jj];% h) r5 j: y1 q& R0 ?6 d
            }9 a8 T7 H/ }0 [% e' f0 s' v1 I
, [; L2 U3 {) Y
            //Method - 1  N=100000 247s
1 G- Z. u" |) x: U: p. V) v) P             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);; R: T2 r5 N' X. p2 m' ]6 I& c
                              * B! f2 F, J% C9 ^, l% e% H
            //Method - 2  N=100000  237s3 M8 N" R& Y4 _" }2 g8 d0 [
            /*
) _( Z9 |  R( P; z, Z; H             for (int jj = 0; jj < N ; jj++)5 e% ?  R9 S2 h& H! ]1 v# S1 A
            {2 [5 R- V- C0 u9 a) `
                     fresult += vec1[jj] * vec2[jj];9 m9 |( i3 g! z. u1 @$ Q0 V) v
            }
* U" b$ n! j3 g8 I/ R             */2 ?" U) E) }; y
                              ; n) E0 [* v- E) y+ K  t, s( a
            //Method - 3  N=100000 204s9 ^3 w; `' P. S; d6 y- {; M/ ]
            /*, ~# r/ @- k9 \- S$ l
            for (int jj = 0; jj < N; jj++)
6 L4 s' s4 g! w( T             {
8 S' }4 y, J- _5 w* b$ a' {+ E                      fresult += b1[jj] * b2[jj];
# ~2 r( \# k7 _7 b% p( d, S5 [3 Z             }
) W5 G6 ]  m5 {7 ^% l             */
8 `3 K; I8 N4 \- t4 A: p" o
0 T, T0 E! Y: E- Y! }             //Method - 4 202s2 n" |. N8 M! q7 K% P
            /*# T1 a8 Y# t, s) t- Z
            for (int jj = 0; jj < N; jj++)
% `, L! U  {( Y6 W3 L: r" g. e             {
7 t6 F3 y" i, D5 v) y4 l. M* H
0 E4 {) S3 d# t+ ]# a. V% b3 n             }" X5 f' E9 p4 K* u2 P) _1 ~
            */
5 s4 B" [% D* u! P             //comment out all methods, N=100000  202s
$ Q5 E5 Y+ x0 [& `7 [       }1 o, G0 {; H" _, B0 L& @3 [" e
& l- W5 c5 _, n" m. d
      delete []b1;
/ P, }$ S3 T% Y) o2 b# E# }/ p       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
3 G+ O* p& b N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？
, V- |" J" [/ S; Y2 G1 a2 Y2 E( w4 g X) f8 w7 C
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
1 ^" i! p4 X2 j* M( C& O* e% ^0 z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、LOL9 M( D6 _ L8 S7 r: _0 {$ H
& _ t% J3 f* ^* t1 s: `& L) [
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% G6 r( w! q* I" B' j/ s; r' V3 B
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
% `% H& F3 B/ ?" n) L{
' e& s5 ^* Z, P) t' c 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