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
! e( N$ W6 u) }9 v; }拉下来？拉多少？' \" {0 {( y( d* j9 h: W4 g" i
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 23:332 _* s8 `, [. M% q: p
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/ L4 c% ?6 H: ^0 [
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
9 W. }5 }, f) ^9 i{
( u( F- n8 ]% n: ^5 d 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
. g; v; Q- s9 h! `. V0 ]- x+ L- Z. e! a这个不是这么比的吧。。。
$ S4 I- i$ }( K7 `
2 {3 ?3 J2 q/ I1 T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 00:464 ^0 s, r9 F6 D: `% A+ y3 Z& e
有道理。
; X$ L/ r, r- j+ q- E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
( R1 J$ ^( G% d' D! e: ]4 B这个不是这么比的吧。。。
5 R p: x% d# Y" u2 U) t8 m
! v' a' u" ?* Y2 X3 h% Y! 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）。

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
; O9 R/ @1 {; m6 Q/ ?1 b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
N) ~. V$ G2 X5 i0 I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 04:476 U6 m6 P% G8 E4 }7 N7 @
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
$ d6 P1 z/ G& B$ K$ w/ n* p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
7 {: P0 Z/ G1 C W& M" k1 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);# f9 |# V( C% m" A& B+ ~- {
      std::vector < float > vec2(N);; e3 R+ i1 Z7 w
      float* b1 = new float[N];( ?! R! q' g! f+ L6 _+ z
      float* b2 = new float[N];( g/ \- `6 b  T* @% J9 i
3 R5 r' O% i* p/ v. m3 x
      for (int j = 0; j < 6000; j++)
. q  o' T( K9 s6 K+ r# u6 t       {8 J! S% V6 z2 y3 v
            std::generate(vec1.begin(), vec1.end(), []() {3 ^1 s6 s. ]2 d) W4 w
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;* h4 C7 _$ G9 {; p6 j/ J
                     });
; W6 p! L! A, C- h- s, ]" S
9 h. ?9 c; S# u8 L5 V: }& E/ m9 r  v             std::generate(vec2.begin(), vec2.end(), []() {" C& t% o% @; u8 _. V& [- ?9 [0 o
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
$ c6 U8 x& K7 O. v, E: o2 ]4 n9 C                      });
8 q, N) K. ~4 ^" p# Q5 O4 M7 @' _; N+ ^% ?! M& ~$ y
            for (size_t jj = 0; jj < vec1.size(); jj++): X) o* s$ n9 W+ X7 k+ R
            {! a+ E3 C; F/ O0 k" K9 c
                     b1[jj] = vec1[jj];6 a3 l/ z- ]; u: w0 J4 M5 l
            }
! G  H/ D9 t: p+ {9 y) `0 e1 y2 r- D0 A7 M8 s( `
            for (size_t jj = 0; jj < vec2.size(); jj++)
& M; b- x$ i9 u5 u2 l/ p             {9 y& N7 S# t/ s* H& J
                     b2[jj] = vec2[jj];) k( M! M0 \3 p3 B5 J. y
            }% H4 U- H) G. `

* C6 o) f- A, i1 B* G             //Method - 1  N=100000 247s  / u( n- K0 C, A& o/ s* ~2 F
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);9 ?* F! B$ }* V% }5 ^8 N
                              8 [. \  N$ L3 V* A8 Q$ h( u
            //Method - 2  N=100000  237s
1 L- `+ M& p: F+ t             /*
0 b' W. Z+ x$ b. O, I) t; l+ }' L             for (int jj = 0; jj < N ; jj++)5 [8 h/ `$ s7 B/ ^
            {
$ R& @1 S6 F6 Q! e' X! L                      fresult += vec1[jj] * vec2[jj];
- H  e: U6 W8 G/ K- }             }
5 ~5 o# L- _# s; g             */
4 k: n4 E1 d8 D0 F% N% C+ t
& C' S3 Q+ O- x3 ^! R; i' h             //Method - 3  N=100000 204s
% Y4 T# ?9 r/ R" ?% I             /*( a& I# h5 f6 v7 R
            for (int jj = 0; jj < N; jj++)
7 w1 j* N+ J2 R1 V, u5 C8 b0 }             {
$ ?, d; j) u: u1 _                      fresult += b1[jj] * b2[jj];
( q; o2 q, T  q0 |, h4 i7 |             }
7 \, j9 F# @- D- E             */% l9 l2 P2 _3 N, a1 T; e! i. t

7 O% {/ e$ N/ w1 f: k             //Method - 4 202s& e$ A; `# j0 [* _
            /*
2 X2 C+ F4 Y- d% U             for (int jj = 0; jj < N; jj++)5 c$ b5 s( }# D9 ?; E3 b
            {
9 ~  A, x/ b3 |" F6 G5 X                      6 {1 F, e4 H3 E6 e( x/ p
            }
: k# {( ?& L' S! L. u! m             */) D2 S7 |1 H- G: D! |7 Y" o2 @
            //comment out all methods, N=100000  202s
+ E* Z4 r: n8 V& e7 x+ l+ r7 I" G       }/ L5 i) s4 O3 m  v/ X  u- J9 [8 s+ a
8 h) |! g' a8 w8 A6 B9 @' F
      delete []b1;
0 {/ Q% ~6 [* [/ j+ ^       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
; Q/ I* b0 ~) b: Y4 e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？, G2 W* ?. n& {8 [5 i6 @% E
+ q7 W% ?: V0 c; s& R2 J
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
4 |' J2 R' `/ g: L: n4 g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) a: n& r- V! C3 \

* x3 J% S) W5 p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 23:541 |4 J" U% w! T4 \: A& W
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB); o5 g' }* r: n! v& \
{
9 C. v) v' {, d5 X7 `( z5 d. T7 ~ 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