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
7 y+ b6 z2 v0 S( y( s' R! ~拉下来？拉多少？
4 |! `* p4 Z5 C' F5 l6 o3 W# b* W) d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' j: J4 o" j1 W$ 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
: t" s5 p. G6 h! E: ]- l1 uvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
j; D( z4 N5 ?! a4 `1 D4 ]{
% @' M: M5 t& C+ L1 Q3 Q+ g0 | 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: d' O9 e# @- f4 u( i) c6 b4 S
这个不是这么比的吧。。。5 B, W; |4 |6 A( ^$ X' {0 a, e7 q
7 h( {2 Q2 v% g) f8 }! 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）。

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& ^5 F- E! T* p/ @+ [7 H2 T1 q
有道理。: B: X: }1 ^7 D8 M& n# m
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' X+ _* ~7 w: M, _% u
这个不是这么比的吧。。。. U/ r5 ?& w' B1 g( {/ }
+ @ w1 e8 g; V1 d# K) c) D
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
1 S- n8 B& Z3 `7 c$ @ X. R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
; |' I2 A, U6 w O6 `; N% k7 U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* |1 k0 \! o8 T! ]+ h* 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 ...

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
- F& b/ E! S3 L) N8 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 ...

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+ ~$ ]8 G3 H/ X2 a7 E. r+ A
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);
( f% K( A; ^- t# Y3 T* Q       std::vector < float > vec2(N);! v' B% ]$ u# n& f  t. ?1 w) W
      float* b1 = new float[N];4 O; `  G6 v. v0 [) k: f
      float* b2 = new float[N];
- G6 t4 S# Y6 l& }* O
! |' Z/ d4 F2 B       for (int j = 0; j < 6000; j++); P# h- I7 K  f+ ?. W# R: i
      {" L% v/ v5 E. Q
            std::generate(vec1.begin(), vec1.end(), []() {
# |2 A7 q! T8 b, Y0 p) V                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
8 D1 r2 J" g/ B5 d1 m$ w% I% u+ O                      });4 v; u8 U. t1 j5 J4 n  k
' f. N  g- D" A, u! y; @  F
            std::generate(vec2.begin(), vec2.end(), []() {
; w" x5 p. F" x7 a  g* z6 R' Z                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;0 e3 T" o  q# ~- r! }. c: {
                     });& x: B  T1 f2 J% e0 h+ N- n

) a6 K) S6 N- X             for (size_t jj = 0; jj < vec1.size(); jj++)3 V" E8 u3 s: v
            {. T, f. b2 ^6 ?3 G& N
                     b1[jj] = vec1[jj];
4 J8 [& y5 q6 O. |             }
. j  b* D' Q# c$ \* J6 k5 ?! S+ z. ^
            for (size_t jj = 0; jj < vec2.size(); jj++); w  N! g7 S3 P9 P* |5 }
            {: }9 f% \/ \! H0 b; x9 ?. a' S! ^
                     b2[jj] = vec2[jj];
. m; A% F# O% m. T             }
0 m: Z8 |; ^# O" I4 `, g& f, C. w' o
- V  A/ z4 X& \8 m- Q             //Method - 1  N=100000 247s
+ B, b3 \* ?; O/ F$ t9 Q             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
- H6 L" O  I) x. C( Y' \: L                               + H. |# h9 f$ L. G( f0 F* z; J
            //Method - 2  N=100000  237s: e& z/ r) g2 [1 P
            /*$ {. r% R$ ]& k; ?: x1 ^
            for (int jj = 0; jj < N ; jj++)
5 Y# n, X0 s$ W) {: f( ]             {0 `  g5 y, k) T: U, w/ |
                     fresult += vec1[jj] * vec2[jj];
7 h2 N5 [- W  ?9 f             }
9 b# ]' M2 \  I9 [2 ?5 y: `             */8 V8 K3 l% T! ]& E
                              , z$ h! S8 a, t2 s$ C
            //Method - 3  N=100000 204s9 G& l* L) Z' Q8 i
            /*7 i- w: T2 M( J5 I) t  E
            for (int jj = 0; jj < N; jj++)' n' i# K$ Y9 i1 I& u8 I. \6 V' Z& K
            {
9 V- `2 V" i' \. A- X% o: m' K                      fresult += b1[jj] * b2[jj];! K+ A, {! i8 Y+ j9 l) f' D
            }7 K0 m1 Y" e" f
            */
' G) Y  q- \7 w' N: C  Q) @
$ }& e' T+ M+ z# C! J             //Method - 4 202s& ^. ~- j  a  Q! p# K. X5 Z' h
            /*
) R+ }, g) A$ v  ]             for (int jj = 0; jj < N; jj++)
0 ?: m  ?* H+ K4 R+ z1 m             {
. y3 i0 {* l$ [! `& d% a
( u% `- m. z( F; J9 [             }0 E# S4 U3 p* k
            */
/ R# K. Q- H" y4 J# p+ T7 U8 X& i             //comment out all methods, N=100000  202s             2 m; |8 ]- y- }# o% e5 C
      }+ h2 t1 P4 d* A/ G% b

7 `0 b0 a" ?+ ?6 s* j; O0 z9 f       delete []b1;
' V. j& |' @  \% V: Z( m( `" ~       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
. ?+ e/ W5 [6 k7 T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？
8 j, R5 V% s8 V h
' n* |/ s( ^9 O. S7 q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
- q( W' g. d+ i7 h9 M1 |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 ^. S2 {7 K2 o$ m; N
6 R8 _ ]. w' g5 |+ J1 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" W0 s5 j# H& _/ Z: K, L
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
2 H& f, u. Z* s7 p s3 ^* d{
4 M' c x. w3 L( d( 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