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
, w* W" b. i. C# [ ?# L/ f拉下来？拉多少？
; q3 B2 q. _3 G9 a9 a3 s# P" K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
/ {! w' G5 v" Y( F8 mMaybe 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 23:541 j' i4 `; ~/ C" ]) |0 v5 ~
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)1 ]6 A+ v- u3 {. u
{% ?- l( C5 d- V* R9 A: U( Z
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" L$ K# }, G, B1 h' A+ a, q- B% n
这个不是这么比的吧。。。
( o: z, U/ h! V8 P4 F4 N
9 F% U. k( H* j( V! X- F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$ [, E8 }: k$ \% g$ \6 c3 c
有道理。. o- w- ]1 j' L5 f$ b! s+ u5 i! e
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* [. M" u& ?- B! E/ y. C! r
这个不是这么比的吧。。。- z. s4 ?) P" X) R" A7 T, q
7 k% O" _7 C9 D! s* r% X
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
7 T; ^9 f6 L) w6 o" D3 T: ^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- V& c1 |& B) ]+ C6 t* X+ O
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- v$ ~% A% F$ V
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
2 R* ~; ]5 g8 E* D3 v. }" @7 R/ Y6 |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
1 H2 V! ?5 f7 n" ?/ i' c b) U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);* u% I  r: M$ s% V, }, e
      std::vector < float > vec2(N);
) O* b: O3 G: y2 m6 @, O       float* b1 = new float[N];5 i" Z2 M- L- Z1 S; M
      float* b2 = new float[N];6 X. o$ y2 k" o& _
# S0 x0 c1 _+ @# H3 ?# Y0 m
      for (int j = 0; j < 6000; j++)2 ^$ d8 i, F! W+ o: t# h2 n4 l/ b  R
      {/ l& `; j: e$ h/ L% N
            std::generate(vec1.begin(), vec1.end(), []() {& e( v! c. e/ t/ c* H" M" x9 Q
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
  H; y/ w/ ^6 r+ Q2 R0 `$ f' i                      });) E+ E  H. i, k

( Q$ ^. u3 r4 @$ Z1 m             std::generate(vec2.begin(), vec2.end(), []() {
& L/ ]/ l! l  ?8 |                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;9 Z5 N6 k; J' q9 s& T; P! u) l+ a' ^' s
                     });
- ]% z4 ~. t- u5 N4 Q/ e
1 q3 e6 |% |) U& `0 y5 f+ }2 R! }             for (size_t jj = 0; jj < vec1.size(); jj++)8 G+ {; W1 G8 B4 L* V+ A
            {# Y/ J6 a0 T; y: C% a# A1 N- b2 T2 u
                     b1[jj] = vec1[jj];
( @" z8 |& I- I% ~             }
! b) `  u( S5 `) a  L# e& G  g( C2 L; d3 A- Y! [+ g
            for (size_t jj = 0; jj < vec2.size(); jj++): L; x7 |1 p2 [7 l  f
            {% ~  f# c6 N. r. ]7 E
                     b2[jj] = vec2[jj];
( ?' S9 }& H$ s& y6 }0 m( k7 M             }
( y' [# |/ J3 X& D" R1 E# N4 b6 B( M
# R. k( y) S4 \             //Method - 1  N=100000 247s  ! f4 U) ?  S  H
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
/ v- Y0 l6 g- O+ M) @) Z! \% {                               $ L5 \  w. j. b& T9 b( P& ?
            //Method - 2  N=100000  237s
9 E3 C# @; t1 S5 w             /*
# x0 @1 K# W6 p1 N1 ^  M             for (int jj = 0; jj < N ; jj++)
9 L+ }# s$ s- ~+ _& X             {) n- Z1 n: V6 T5 o
                     fresult += vec1[jj] * vec2[jj];/ w) f& P1 T1 r5 `, m- d" Y  O$ U
            }
4 v( ]) `6 d: Q             */
& Z3 o' z' d+ C. g+ @                               8 N  a& g1 \3 [4 t7 M" y
            //Method - 3  N=100000 204s
9 ?$ E( O  \0 |- w% u! |             /*4 V6 ]% e4 B0 t; r2 h
            for (int jj = 0; jj < N; jj++)
# \: o4 ]7 q) H0 Q( ]4 @             {
/ Q6 ^# t. F3 ~% F* E7 J                      fresult += b1[jj] * b2[jj];7 T& K. f$ Q# X" V& Y; h  x
            }
4 ]5 D( T, O! W3 _( {             */6 ~+ ^3 A, p0 G6 `1 e
+ j, q% x( m5 r1 V1 x* o
            //Method - 4 202s. ^$ M/ G& R5 |5 e* |2 U" N: N
            /*! z8 S- B$ ?% G/ s4 u. m9 t
            for (int jj = 0; jj < N; jj++)
5 t$ U6 G6 e, {, k             {
2 a9 C- b4 I$ Z- z4 F                      - c  p, R+ a7 J& b/ q  ~/ x- P
            }1 h. b5 k- T3 z' C7 c! D% i
            */" N9 x4 c1 V* w) f: Z5 U3 \. s
            //comment out all methods, N=100000  202s
; y; N0 `/ p+ f) n       }* j7 y; x2 ~0 w, B7 u( _( S
  l' _$ L' v9 C' E% `  I
      delete []b1;! q1 H- K. }4 w, }' a# 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, w6 ~# a' b4 Y* I! I
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？
* n$ ]' }4 u1 m' y$ M9 Y0 p8 {* U3 R
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 W% u1 v! V7 q: W0 b2 v$ u$ 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& R. Z7 a# Q( `: x1 z- V

/ |% K" w9 T* i: 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 Y+ W5 }8 P& Z. x9 Bvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
/ y5 T% C0 T4 N- e0 p x- W{, s& z1 i$ Z" }' r6 b
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