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% Q5 V1 z, E8 r! @
拉下来？拉多少？
8 o& }; f0 D+ U3 o& C& P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' g& j4 m) i0 @! t; A
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
7 ?3 j/ y- [" c. bvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
N T; j3 r0 k- k8 `$ _{0 m4 U7 T1 \9 R
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
7 w* |7 T' w2 { @% v; G6 ]这个不是这么比的吧。。。
0 g& m3 c; J, |. `- V
' }. ?) ]) D. r6 `1 G! J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
% ^3 o/ b5 }4 }, I ]% \: j0 U有道理。
8 ~, ]+ h: m9 y4 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 00:202 G. T" i# {1 X
这个不是这么比的吧。。。
) o& _4 a% q1 p1 e) `, C9 q, r7 D7 w* _
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
# ~6 z9 p: }1 M0 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. L% q4 `9 ~3 s/ A. j4 i% k
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 V3 f3 \8 `* v0 _ {; u( Z
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
' L- J+ M: _7 ~3 I+ s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
/ J2 i2 g: V, }3 a( z) ]( b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 v8 M. @. w4 K( f) L2 U5 P8 y1 j
      std::vector < float > vec2(N);
/ H, k, c  C* h6 K4 n; y) A       float* b1 = new float[N];# H6 |  @9 ^. K* B" d0 g" V6 {' `
      float* b2 = new float[N];
8 x6 {0 B( n4 X) p3 W) Z. a+ \6 ?; A  w' c6 M
      for (int j = 0; j < 6000; j++), t# H9 F! Z& ^' k! X* Q3 N0 v
      {& A, N" m" G) Q) ~# t& p
            std::generate(vec1.begin(), vec1.end(), []() {
6 C; H, f1 k; x' z7 J2 X8 v                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;, S4 P. Y4 @3 }+ i% T, t" j
                     });0 Z; N5 z4 Y, l9 u0 n7 _0 _% ^# n

1 u4 C- H' D- |  B; z0 g$ y             std::generate(vec2.begin(), vec2.end(), []() {$ V8 D8 U. b9 r, L
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
; T8 m& h1 f6 c, `* j8 B                      });
" K$ t. q, K* M6 ~; c6 ?: \1 N$ F: A2 B, C, s+ [2 v4 R* R
            for (size_t jj = 0; jj < vec1.size(); jj++)
3 z8 `* I! b& b1 ]             {
. T4 ?6 x* ?, k                      b1[jj] = vec1[jj];
3 z: j  }' ?. T1 P; A             }
: ?* A! e1 g' q( v" n' t% C8 Q* Q* P) Y0 K& y
            for (size_t jj = 0; jj < vec2.size(); jj++)
* `+ w" m1 `* g6 s/ c             {! w7 Q. q& Y, A5 q3 P- @" ?- O
                     b2[jj] = vec2[jj];; e4 P, L0 F2 ^( _3 \
            }
% J3 g0 o0 H/ i2 ]; ]& d) n  A9 Z  z6 \! R
            //Method - 1  N=100000 247s  1 }5 x0 f& D* g/ M$ j
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
+ j+ p1 S1 S) I                               1 X( D8 S8 m& c3 o7 }- m1 p4 ~9 K7 k: m
            //Method - 2  N=100000  237s" Z& `3 ~2 @1 P1 F/ B$ Q2 V
            /*
+ p% {  [1 U% g             for (int jj = 0; jj < N ; jj++)* K/ j& m8 g! @2 `7 g1 h' f1 U
            {  w. b9 I7 {+ F* M# S
                     fresult += vec1[jj] * vec2[jj];
# p: w/ K! _$ |) V- S' c             }* A0 m3 \: J2 F( W+ `
            */" d1 h- f) t# M1 q- x

7 Q' J$ G, e% E; P! p/ v             //Method - 3  N=100000 204s: _. W1 B1 S/ Z! d
            /*8 w1 H# s5 G( B2 u# Z" h* K
            for (int jj = 0; jj < N; jj++)
1 B: [+ \8 @4 D1 \0 s! t             {
) o/ g/ Y8 m8 ^, m: d                      fresult += b1[jj] * b2[jj];
+ D/ `% W5 _9 c' c  D) r             }- s/ s1 F* X  E# J! o
            */# @! G  Y6 e0 B; @1 H6 p

& c( [" v6 }; F             //Method - 4 202s
. O2 H, F( v  J) G! Y3 X             /*1 u2 C' }* l( i# X
            for (int jj = 0; jj < N; jj++)
# C1 m2 O! g8 x0 v& d) N0 v$ h; ?             {
$ c3 S) y$ R+ a2 Z( N
; U7 J5 A! U! N" k! y/ m, Q             }
& P, g5 G9 F+ \# E; i             */: _3 E% R$ ]; ]% U  i4 u7 {' q
            //comment out all methods, N=100000  202s             0 D/ }/ _8 f3 [- z+ U' U4 G, Q1 S
      }: J# o0 {. ^2 x( h/ t/ c
3 O, \4 t" m& t
      delete []b1;
& O0 E/ x3 }! e; A( F8 y       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
1 [, ~ n5 a2 O7 {7 |8 F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？
( E8 a, W) V9 u- f+ w8 J8 w+ I& f' q4 k7 w( t9 U% i
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
; [9 @0 o1 F* M) ~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. E7 C( f* J( j! u
/ o6 i8 z# k- g# g/ H6 l) t" s V* R
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
2 J9 x7 `( N' @1 \, ~1 i) `8 p Lvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
7 [1 P8 [+ a& @! P! |% p{- H( Z4 a- U) G! x
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