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& P+ d% ~& Z4 K' n2 R' ~5 r: N
拉下来？拉多少？" u# n0 U& j* |" i* y- G
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
, O1 V$ z& p' h1 d3 J1 h1 AMaybe 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
4 z/ m+ ^ [5 V+ X% |% L7 p) ovoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)! v" w! d2 @+ h( t5 m
{
" s3 V# J8 r6 c1 {: i! A) B- W$ 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
2 a' y% N9 D6 H0 X P0 t! z这个不是这么比的吧。。。
7 ?; Z% _# A; w( B: n! ]4 W7 J* L2 l4 ` ? b v5 v7 j! v
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 00:462 C0 [2 |4 n# s1 W* x. F
有道理。- L+ G ~# M- H8 S4 n& M6 S' i
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 S; p) t# ~( l4 A! N这个不是这么比的吧。。。- C% E6 g" Y% b

, e4 @8 O9 u9 Q( 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
7 ?/ K# O6 ~8 v9 r: F* Z t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% O) k+ m! K7 @% I5 W+ f& N1 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 04:470 c/ x' n$ v2 Q' ^) c( F9 P5 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
3 v8 h$ C$ k/ B2 F: F$ i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 14:587 a3 w* \2 w1 r0 W
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 C" B# s9 H7 E8 d! Y4 s+ R+ ?/ g
      std::vector < float > vec2(N);3 @+ B! g/ w0 M+ w
      float* b1 = new float[N];! d4 a" r2 {4 C3 u! k/ t. w. Z
      float* b2 = new float[N];
4 I) i! L  h* c* O/ [
+ a1 q% [+ B. ~6 v+ j0 u       for (int j = 0; j < 6000; j++)
3 i3 V9 ?- P; D% x9 R       {" D: J- _5 Z3 J1 y" I) D/ U
            std::generate(vec1.begin(), vec1.end(), []() {) w7 m. M- C" z
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;2 ^( B, {, K$ c6 @% q0 n
                     });$ A% Z+ D. s( I  [5 R( a# }

: L  w! m) ]$ L: `; K             std::generate(vec2.begin(), vec2.end(), []() {
. _" r( a1 \* {9 s/ X5 D( r! \                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
' E( n: V3 g! S3 ?+ Y8 s                      });  |" |/ N! t* |6 g4 G- G# W
, w* d0 M& i  x+ g
            for (size_t jj = 0; jj < vec1.size(); jj++)+ ?% ?' y9 U  u. c" w
            {# i# {2 G* t8 }; y% R& F: }
                     b1[jj] = vec1[jj];
9 w4 V, c9 O: K# Z3 L; D             }
- I% h3 P( c! D! |; h0 {
" u4 c! C8 a% k( i# K             for (size_t jj = 0; jj < vec2.size(); jj++)( v( z& w( l  @. s) ~
            {0 @+ n! U) A; i  M; h& s
                     b2[jj] = vec2[jj];6 j2 z* d4 ~! T3 n: P! n- i1 B* i
            }; F" r+ x4 I5 V7 _; T3 y

- B( c4 D- {0 T$ y+ i: p# w9 w             //Method - 1  N=100000 247s  % s8 y' u  D5 M
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
" C7 g6 |  b3 _+ ]4 j% S1 M  P
) I+ j# c# J2 O, T& D! ^4 u7 m             //Method - 2  N=100000  237s
4 b, I6 x" l5 Q4 s) ]7 y             /*  t5 S1 o6 u$ T8 t
            for (int jj = 0; jj < N ; jj++)
0 |: @4 b4 @  Z             {
0 i* M8 e) @3 f& l                      fresult += vec1[jj] * vec2[jj];5 \& ?  I2 s; j9 t: j& n5 K
            }
- O& w$ C5 s& L% s4 ^% s# f             */# j; f0 H3 r, l
                              # ?5 W4 a& v1 Y+ W5 R' j
            //Method - 3  N=100000 204s% T  @7 M. F9 `# t2 G
            /*' k- P& Z8 ~, d: G# c
            for (int jj = 0; jj < N; jj++)
7 x) t" x# H( L! Q; ^9 }  t             {
) h+ k$ Z: C4 U$ g                      fresult += b1[jj] * b2[jj];
- X3 q, C6 O! ~, d" |             }
, |6 m+ b- W1 g* `! g/ l             */7 m+ Z/ n  Q/ ~- V5 R: @- M0 ^

! J3 ]& _, `5 U, y2 V. W, m3 g             //Method - 4 202s
6 h1 i$ P5 l+ e' R4 Q+ x             /*
3 a! Z; u! L! e+ f5 S             for (int jj = 0; jj < N; jj++)- H2 k" Y, W  u0 J9 ~% B
            {* p0 T/ c3 @! `0 J2 c
                     : F5 @* h& s3 V$ l1 D/ u6 S* m4 M
            }
  O- A6 m$ P$ n1 J2 F- U! s             */
0 U% c9 n, e( j2 m2 b# S9 v             //comment out all methods, N=100000  202s             , B5 _% I1 m8 e% h+ u& J5 f
      }
! y! N1 F$ k  J
      delete []b1;
" N9 i! w' D. ]       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
: b u8 N7 v" y6 k V" m7 z; 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？
2 G: p+ g# p( u$ {: a0 x( @& M* H4 e% x
7 @6 T) c } K) s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 01:168 C+ k, {' E; C, n; X& A$ _
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
7 M" O. D1 n5 I. L: o& f* ~1 F6 p
2 N7 e- N+ x9 H* B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
/ a M& ?$ ~$ m) T8 Jvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
9 N% A- R3 P! Q/ h) ^- J{
0 O9 d" g& m' m4 t8 f6 O8 w+ g 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