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
3 O# C9 j1 A+ v拉下来？拉多少？
: T" ]8 o' Z( T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 c1 C: M: `! S1 u \+ ~) QMaybe 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
. N5 |$ T7 C2 m* qvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB); {" `2 X8 e% E% }- h$ E
{, q, u( W1 g' 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 00:201 ?1 P6 J/ R. w
这个不是这么比的吧。。。4 j, i9 F: u" T' b8 v# P

4 \; \! s" U9 v# R: S. y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! `2 j7 T- a$ B: ^; X% d/ P
有道理。0 v$ O4 }; x; b( L: j
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
. [4 z/ ?* Y$ J" x- C+ Y这个不是这么比的吧。。。
& l6 v. o& }# K2 c) [2 V9 c8 ^ k
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( j6 [9 \" p. @
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
{9 r# ?, }: ^; }: `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% G1 r( }$ I A( ?# D
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
. x O# j" l$ e/ ?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 14:585 I" s T! l( `6 f I
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);
0 X- k7 `$ {0 y# A4 k) Q       std::vector < float > vec2(N);
4 @5 n4 z. Z8 R3 Y- M( t       float* b1 = new float[N];) C; j/ Z& b+ Q* A8 c
      float* b2 = new float[N];
: w5 _- d- [! d  C6 k5 T3 }
# I- Y2 _+ r8 J: R# q4 c       for (int j = 0; j < 6000; j++)
, t& q2 R9 r9 C" E       {: E' e2 Y4 i# |4 Z! ~4 p
            std::generate(vec1.begin(), vec1.end(), []() {
& p1 ^2 m9 w% r/ Y- _7 V4 `& A                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
$ ]' z) i1 p" J8 e! G, w                      });, z4 {2 Q% ^  O; t& h) X
) n/ u+ N6 z, c3 z8 \
            std::generate(vec2.begin(), vec2.end(), []() {
0 J* R4 q& Y+ j, T0 U% ]                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
1 c0 {) D* M3 U" K  z                      });
1 P; d# O5 e' o% \/ ~8 i1 l8 E2 ^2 K4 u0 ?
            for (size_t jj = 0; jj < vec1.size(); jj++). h7 u+ W' a3 N/ r' W. f0 [
            {
' A' H# C7 r# l                      b1[jj] = vec1[jj];3 s# l7 E$ F# F$ W
            }& C+ T3 U, C+ O5 [% Q! u8 \- U
7 x: J  ]- G; V' d, ~
            for (size_t jj = 0; jj < vec2.size(); jj++)
2 [$ s; A6 l5 k0 c$ @9 L& \             {
7 ?( g% T2 n* V9 \0 S8 B7 \                      b2[jj] = vec2[jj];
% }& Z; U: ~( z7 H. K. W: G1 m             }) ~* p! |8 N7 y6 y

2 Q' V  t% }, U" R0 }             //Method - 1  N=100000 247s  9 @9 D. e/ T) e# n; l
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
/ S1 n+ Z3 u- Y6 T; P8 B
: m  s; u( [- V# J( W& m             //Method - 2  N=100000  237s) Q3 F1 S6 P8 V7 W
            /*4 w  y! m% w4 Y# s6 q8 r3 {  h; D
            for (int jj = 0; jj < N ; jj++)- _) Q0 f4 u1 \% ?0 p2 D
            {
$ `& A" E; O& o                      fresult += vec1[jj] * vec2[jj];
1 N) m2 p2 q: k0 C             }
9 A: i) G) r) y& D* o! B             */. o' x6 @: _% z, o- R) }

  n) z; j7 Y; n( X             //Method - 3  N=100000 204s
7 x  B2 F7 |5 U8 X7 }$ M             /*
, l/ t0 l( K. L' O  D9 v             for (int jj = 0; jj < N; jj++)5 v7 O. x# j) v6 c# J$ C6 a
            {4 C% ~/ X; P0 ^8 }  W! O8 f; }# X4 K' Z
                     fresult += b1[jj] * b2[jj];
+ w+ H8 C8 a+ Z$ W. Q. u             }; ~* V! v2 k4 q1 U- _  M$ |$ e1 |# L
            */
) h- ]' S! W8 N, l  T1 {3 a6 J* \' x; Z$ `! }5 Q9 G
            //Method - 4 202s
( B% _- y, x- S& }" }# w. O6 |             /*) c" J9 W2 F/ Q0 I4 G* L
            for (int jj = 0; jj < N; jj++)
' B% z4 {" l: w! j. @) ~; v( ^             {
" k3 `/ |& ~0 B+ {" y& p# v                      $ C' r# ]6 q6 J: h
            }) s  p- C* z! k2 C8 z9 B6 @
            */
) h8 a) v. j& A0 d* ?             //comment out all methods, N=100000  202s
! t* ?# l- j  }, q$ `  [       }
; Y+ v6 k; t9 a! Q
4 @* c, X3 {. d8 K& o3 Z       delete []b1;( _( Y5 u* k. |2 w5 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 00:152 p4 w9 R5 y3 s1 {( w$ k
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？/ L5 c1 d$ r" Z/ R

' C n- f# f0 d* P7 G5 a+ ?: ^+ {. L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 01:167 R% N* r5 q# b. |5 x1 O
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
% i5 A5 s. E1 A! @3 W
" H' L1 T4 P3 J; u: f) t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
/ f* E& m& u' D, k6 F# ?void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
. i& |' g, T+ H) N x3 K{
. r4 S6 m9 V" s 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