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, t* z2 w# i# F3 Q% d0 O+ q
拉下来？拉多少？. Z2 p! h1 E. f+ |
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
9 j) t" k# L! z. OMaybe 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# ^" \* X7 y7 |9 t( p0 @6 F' F6 U" p+ V
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
( u' s1 i$ k5 z& R! f+ t) }/ o* H{
3 M R/ j% x% _+ q) T" |& ` 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$ K7 ]1 T/ G! `& O) o0 W! q
这个不是这么比的吧。。。
5 T v6 t4 m+ o* I
8 A) i- G4 l6 B# f. 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）。

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 Z1 E) |9 |# I- Q有道理。
/ q, \" m+ U( K4 N0 f( y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
3 j% e4 Z4 o7 q) k; B' @这个不是这么比的吧。。。
2 h3 ~1 {/ `: K- n% R2 |7 m
+ j( }5 b$ Q" u$ o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 P( y4 i4 U" S+ w* W
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
. j8 X# u4 t. h/ V. S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' U& k# v7 Y* _) d% S1 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
0 N3 X# m. q) R. ~6 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 ...

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
w! |5 Z# w0 p% V# o& w/ J1 y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);
1 r; Y5 o% B6 J6 V$ E2 n' n& n8 G6 J       std::vector < float > vec2(N);
: _5 g0 M8 V' R( Y3 H" v8 A/ ]. [       float* b1 = new float[N];
8 o( v* l1 o. t6 _8 M' {+ J% E       float* b2 = new float[N];. M! l3 {0 Y7 [. U# g" Q8 [

7 `7 m5 Z7 R( X4 M* x  I       for (int j = 0; j < 6000; j++)
( @$ Q8 b1 s* j, J6 c; b, I       {
: O& C, d/ h: l8 t1 u$ Z3 @) L             std::generate(vec1.begin(), vec1.end(), []() {7 d( N0 d; _% I- S* a" |: c* r
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;% ~/ n' O9 C5 e% m( z' ^
                     });, I" E# Z4 v" q( h3 H+ I: {
+ ?5 `3 B6 v, u& ^% y
            std::generate(vec2.begin(), vec2.end(), []() {6 k$ k2 a/ E2 }
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
5 s2 v8 e& ~/ s" }8 k# J                      });1 Z! L; a- \( ?0 U9 ?7 ?& Z
6 q4 K9 f( |0 c) E
            for (size_t jj = 0; jj < vec1.size(); jj++)8 n7 L# P( z2 |6 Y
            {
2 ]) x9 T; |. l+ y) v" j. f                      b1[jj] = vec1[jj];
3 O9 k/ Q  C9 ^; _# F             }4 H0 i9 T6 a4 y' H- ]' Y
9 i" J' }. {' `# x4 }2 b' s( e
            for (size_t jj = 0; jj < vec2.size(); jj++)
* T* a; P: R, \# a. I             {2 r2 B2 p& _* R: T  e
                     b2[jj] = vec2[jj];
( a6 M# X3 ^% M. g' X$ Y8 Z3 A+ A             }4 y3 j7 W5 ~, ?/ Z4 m
: K$ h2 L* R3 K, O* d  ~. ?: H4 \
            //Method - 1  N=100000 247s
: R8 ]) ]$ @5 c0 d             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);* d4 Y& B3 ^. b& K
                              : a. V" J1 r. o7 @
            //Method - 2  N=100000  237s( e: x( c  i2 G) |% T( N
            /*; C, l6 j. ~9 R. w0 t
            for (int jj = 0; jj < N ; jj++)/ V0 r- E5 W# L5 @9 M
            {
- [7 I6 R6 u$ H) H6 W/ g4 T7 q6 H                      fresult += vec1[jj] * vec2[jj];
+ g) @9 @. s* }4 U5 M, E. f             }
! m% l& C* U6 K8 N             */
' y5 j& y$ b5 h* ]                               ( {+ o# y  k5 h/ t
            //Method - 3  N=100000 204s
) L& t8 \. x8 ]. o             /*
# w; C6 y, w) R1 u. p4 X% D             for (int jj = 0; jj < N; jj++)6 d& |, v5 q$ Z- Q  t& G  J4 s# }
            {
# s- Y  i- ~. N6 h                      fresult += b1[jj] * b2[jj];
0 f& [; t& a' ~- J( b; C* e: H& w4 P             }7 C8 `* k) f" h' V# |, |
            */
  o4 @! F7 Y" r# [8 l8 m+ z8 K/ R6 U7 {* A% l+ J" n$ s" r
            //Method - 4 202s6 r& B) b: S" |8 A0 d- r
            /*, N- _6 {6 |  w5 K$ j
            for (int jj = 0; jj < N; jj++)
9 f( P$ m. x9 Q7 I9 h             {
4 F8 y) S+ a- ]# ^9 D                      * F$ o) Y) J/ v; d$ J$ A
            }1 A7 _1 h* U2 M9 {$ z0 i
            */
; h1 ]0 t2 z6 C1 z0 F8 D             //comment out all methods, N=100000  202s
7 k4 l! e8 m" U3 l$ s' E       }
) R" Y5 E. ?- R
1 U- o' {" X  \. K  C) [. g3 X& w       delete []b1;
. R6 o, m, r& }3 h8 T       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) y! G: l$ H) K( ]# Q3 f( h( G
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？
0 ?; Z3 r- W! J; Q- H- s+ B& B$ N. z7 V- n# _; J5 {2 R1 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
, c. N9 C" F p# C- X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" V5 Z3 b4 n& j" I* m

8 @6 _% ]/ y) r( a( v$ 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
# z" d- {( ]$ A+ E- [0 L fvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)% l. V6 H# x/ H- E
{/ X* R/ _& t( [! 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