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$ m" F, Y, q. g
拉下来？拉多少？6 C+ b% L* N, W4 k* V" c8 \
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
7 I. K1 c' s! Z8 h* aMaybe 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
( E h+ k e2 P6 F% { cvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)8 u" Y+ o8 o$ P* y% Q$ F, i( L
{
4 ]* Q* n& R* C8 q5 S3 [ 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
, R" y/ F* x6 Y- ~2 y: H# e4 h这个不是这么比的吧。。。
, L0 j; n5 w6 Y6 a, O) b. G) I' [+ m V; c! d- r+ ?
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
. \- k2 [4 G# m/ z+ H) m有道理。& d1 \$ \# m2 q6 r1 K; N) ~
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
; L, S! G. _! d# I2 V. O3 \! q这个不是这么比的吧。。。, W2 w3 B j1 }+ n0 z, R T; k

% W' g; w/ T6 P2 z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
4 C8 I _# e/ J9 ]& h7 |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
; {5 T$ ], t. H) y* `9 m0 z3 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& V; R3 i* M+ u* T
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 y. }0 v3 n1 q, t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
3 {5 K6 y( T9 Z+ ]3 t- }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);
) c* m6 T! Q* {7 j6 W( E/ ?       std::vector < float > vec2(N);+ r0 N: o* B) d8 ~$ ?7 t
      float* b1 = new float[N];
6 d4 |0 f8 \' k. y  g5 e- a4 ~+ t& h       float* b2 = new float[N];
. C: f! H# B; _  a0 I. C2 V$ |0 P1 ^: ?
      for (int j = 0; j < 6000; j++)3 w# N* p; \4 ?2 w% z2 h
      {: o+ h+ }- r* \# y# v  F% {
            std::generate(vec1.begin(), vec1.end(), []() {3 P" h  K  ^/ M" p2 b' K+ c5 R# M
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;% b- i* J9 i) @; R$ t: V6 Y
                     });
% |/ d8 `+ n9 z# S" o3 }$ a8 `7 e1 h% h7 w, {4 K+ g. Y1 c
            std::generate(vec2.begin(), vec2.end(), []() {
0 F5 I4 a+ ~. f: i7 ]                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;5 \' A. `! D6 q
                     });& c% E+ }0 j+ D  |' a2 m
+ ^1 K: S5 q/ t
            for (size_t jj = 0; jj < vec1.size(); jj++)
! B1 n7 T- \3 m# r             {
) n- |, ~5 D% j# @& j; V                      b1[jj] = vec1[jj];
2 _2 G2 i" n# F9 z2 ?             }
  o) q0 p/ a4 a! P8 ~0 C: O9 t/ }, l: K# |; s5 e1 Q: M
            for (size_t jj = 0; jj < vec2.size(); jj++); |' M. a" D4 i8 }
            {
0 j/ N4 {& }( t9 R/ ~7 ?0 I  U: ~                      b2[jj] = vec2[jj];
+ ]& s+ {( X& B: k) N             }8 l$ \& F# \/ k5 h

6 B. j; s: M# ?8 [% q* R             //Method - 1  N=100000 247s  3 n7 |6 m! D8 m
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
+ f6 w5 c* i: [9 {4 I: s' _" C6 L+ M
; h8 [8 A- M9 o' h! d             //Method - 2  N=100000  237s1 a- o* U! P+ G( Y
            /*+ Z6 N8 l0 x/ p+ k
            for (int jj = 0; jj < N ; jj++)
  I  I6 o9 K7 W: L9 x             {- l' G8 W# J) f6 _# L& }! K, }
                     fresult += vec1[jj] * vec2[jj];
: v. b) ]1 `, n# j: z' W; Z$ S. ]             }
& b& s7 ]5 k: ^8 i             */7 m. G1 I1 @/ o: @3 s& y5 h# g

( z( v: `+ I8 l6 @             //Method - 3  N=100000 204s
" s7 L! ^9 W6 r1 C9 r9 D3 Y- V             /** q: d5 T) L( {$ l2 X6 }
            for (int jj = 0; jj < N; jj++)3 X( K- N8 V1 _* W2 g7 o
            {
, z  m4 l+ q% E# Z/ z: K                      fresult += b1[jj] * b2[jj];. F( c: \) Y) g8 |/ o
            }3 g# A9 Y4 F4 w. w! Y$ I
            */! E' i: K2 P2 B3 `5 Z) L. S# u
$ ?: x# |8 {& y
            //Method - 4 202s
/ O3 K. x$ T1 e             /*
) \1 p6 W3 C* r5 J$ P/ E             for (int jj = 0; jj < N; jj++)$ A( V1 q  l* n7 v6 a
            {
% \  H; E; J" o  N: x: O! v                      ' f7 r% X- f8 \  ^0 q. }
            }5 f% }: |) J2 I0 k$ [9 s
            */( H' J8 I; G' w9 ^' O* {4 F' W4 [
            //comment out all methods, N=100000  202s             . U' h, `6 T. q$ U: j* C
      }/ Z/ \6 u* j2 o' d0 O1 s' @! ^& u3 ]
) Z% r& z9 x5 b2 Z- |. e/ x9 K
      delete []b1;1 H9 S7 P6 a- z6 @
      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; g; U# H! p' {
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？
3 z" E V- ]$ O3 k
" v7 g/ ^1 A; A( p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 01:160 \# @+ C0 u" }( \; Q) K
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% ?* y% n* p3 A% l7 F- L1 g

/ @& q9 j1 W. ]* }) n9 C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
: Q2 `+ Q3 ^: b. A! evoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)$ u( v$ r- x7 }' C0 X
{
! e, A+ h- ?; ?( J9 A 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