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- S0 z( z3 U0 b2 ~- z* M
拉下来？拉多少？
/ w2 G# Q8 U4 O2 S( C' h6 a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! L% F# T6 m9 z+ @6 ]9 i
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
2 `, p6 G: Q% P% s" I5 Yvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
* @# i4 R1 w3 Q8 C3 H7 n{% I9 ~' I4 ?& _3 Z9 q. O& v
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
- P6 \) ]. Z1 ]. \7 ]这个不是这么比的吧。。。
) K) X( q/ S6 H( C3 q, q; _7 H" W. Z" y+ a0 a0 Q
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
6 ?8 s9 l$ p/ j8 G, w有道理。5 m+ X W$ B2 M6 T- U" y& S* X5 d
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. L5 ~% s5 }. A; h. Q( v! [
这个不是这么比的吧。。。$ D5 a: ?9 d* K4 C# W" ?2 V

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 01:485 u2 e- r. f7 a/ B! o; _" V$ k
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
) E A& t5 R! x, C) y) p1 L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
6 d9 f/ Y. f; N v. 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
8 N8 W' Q& t" n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
5 g) r D7 W9 T4 P) a& W& `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);
4 E( h1 r/ ?) p  t" m) L8 y% w- T       std::vector < float > vec2(N);% M8 h" T+ @, f. M) u
      float* b1 = new float[N];
) _4 h. y& o& p       float* b2 = new float[N];# }9 b/ x9 I5 d  ^' Y  y9 c' T

5 i! \3 Y% `1 s* _       for (int j = 0; j < 6000; j++)' p, _& p& t, v2 J" l
      {; ^1 V: R) C* `2 t  B
            std::generate(vec1.begin(), vec1.end(), []() {
+ K4 u0 O1 C, H+ W; P& @" {  T                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
0 z9 {2 L- t: i2 n                      });
, r7 B5 G" x0 Z: f
1 j6 L* ~5 E! U5 m9 s5 _$ p0 ]             std::generate(vec2.begin(), vec2.end(), []() {
$ y1 i* ^6 G: k2 P+ x; a! `6 Q1 _                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
7 a3 }; S; P3 J                      });
7 l1 A* |1 y  V# u: g) H5 S! ^
2 Z& Q% _* r- _$ W             for (size_t jj = 0; jj < vec1.size(); jj++)
( c/ l6 A% z# |; I+ J& J( s             {$ ~" U" [6 W5 D; a3 N/ M9 v  o* X  x
                     b1[jj] = vec1[jj];6 y6 I# [6 O+ a! k  {
            }
4 D3 h7 z7 @/ i% S6 S9 K0 Z( S, n& V% C
            for (size_t jj = 0; jj < vec2.size(); jj++)
' Y$ {+ \! Q! l5 N             {
% v) K! V1 O$ V                      b2[jj] = vec2[jj];
, j5 A6 C# Y4 ]0 P+ j8 i             }7 A, R1 Z- W  @  H) x
0 Z+ [0 ?7 _8 r+ O
            //Method - 1  N=100000 247s
  i4 P& y; \! |) c             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);% b" S) e; ?2 b( `7 ~. p
                              ( Q2 N7 u( S, C" ]+ v0 I
            //Method - 2  N=100000  237s1 F* |- ?( O6 o) G) L
            /*
* S  V" O% U. M2 `9 d             for (int jj = 0; jj < N ; jj++)
. Z8 M, H2 t( f4 z0 G, M, L             {7 ~2 o9 ?! E5 R+ _: W
                     fresult += vec1[jj] * vec2[jj];, d0 c6 s: c0 {
            }) o/ a$ [# C0 ~0 W: J) C) n
            */5 k7 Z; i" ~* h+ _) e

9 a$ {7 k( F0 F& n: T7 Q             //Method - 3  N=100000 204s5 v: E$ ~/ B5 M' y4 p
            /*- v7 b% E$ B3 T( |
            for (int jj = 0; jj < N; jj++)
" ?, ~4 n& N4 n+ x# _2 i# Z& C+ R             {2 K* N3 p; e+ i" `. d; p0 {/ y" Z
                     fresult += b1[jj] * b2[jj];& ~" O( S5 d6 @5 Z) H7 [
            }
: _" f0 ^+ P9 n) X+ M: T             */% ?. V: [2 A& S' x3 P, i  O) F. @. J
/ {# m$ ^' L3 `2 M- I! i+ Z
            //Method - 4 202s
9 l9 {4 t) S5 l- F             /*5 T8 l/ \4 ~( l, |
            for (int jj = 0; jj < N; jj++)) p% ^) s; E+ B0 J" w
            {  _* @) u& h3 a; @

0 }# Z. R! ~. y             }
* X: `6 U8 m  }6 O, d* b. A% r+ r             */! E! i; @, D- _7 n, K  j# M
            //comment out all methods, N=100000  202s             8 o) X! ?; H8 u! e9 D  J
      }
) |$ k( A# ~$ v0 |* h& j/ X9 v0 }1 s+ ?  i8 Q3 k0 j6 u
      delete []b1;
+ L* K7 M  }5 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 00:152 e' m6 e; O1 p9 {$ }
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？
- g6 G- e2 c2 `; i2 O; V& q( z
3 Y2 c' D7 Q/ 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 d k0 B( n( A5 V% w/ d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、LOL4 s! P$ u; n: v7 ?; \) u

& K q+ }$ y6 J+ y/ o0 p, {+ V* s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
% E: m K/ _5 H( v* S! F1 N* \% uvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)4 X" ~/ P& h' b" j2 x# C/ A
{3 E3 X' f, [0 K
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