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; u8 i$ B8 t1 {, @+ x) m7 |
拉下来？拉多少？
. n: }/ U3 l5 s* [! U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! A7 g8 @% q1 K1 G
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. i ]- l5 ^/ _& X" n
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
: R$ M" r9 G$ p$ \5 s{4 _- L4 }" n4 n9 S: y) B& S; c( Y( p
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, O5 }/ A* }6 p" [! j* v' N
这个不是这么比的吧。。。
0 p7 z9 z: m' S0 @ x- J( j
: E& ^' B. {' }" [, r3 @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# u' `+ W# Z2 v- l) O! S$ L
有道理。) r K: ?4 j) B. ?0 `( o' d: 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 00:207 ~: c* y( M, l* x ^/ f& u
这个不是这么比的吧。。。/ \. q4 K! y( f, y- z. R, P- W* p
) l3 a5 @" }8 r4 U0 t1 c1 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）。

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
: s4 I; j. |3 I4 U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; V2 ]0 t8 _$ z# D) m$ Y
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
" ]6 U, r, b c# {' }, Q+ q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 04:478 `" o. f4 r% B0 t) P" B
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( Q* ]+ c! o8 F) `5 P
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);
' r! ^% |: P. K' m- ^9 b       std::vector < float > vec2(N);
- s8 w' W) k2 H       float* b1 = new float[N];
" ~0 I$ z) V( ?( D/ n       float* b2 = new float[N];( P8 G1 k$ q' J. K4 ^: v; C- f
' ]& v% P+ g3 C9 ?8 i
      for (int j = 0; j < 6000; j++)+ n2 R% v% [7 B+ f. z
      {
  n3 k! J' e: I# Y2 |- u9 q             std::generate(vec1.begin(), vec1.end(), []() {
  N) H4 E* p# z% q# z! A                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
5 h6 `5 c* H. k$ J0 `' H2 w                      });0 u  I; D9 t3 x7 X' i

' ~; U! x  j+ _# P5 p9 G6 L             std::generate(vec2.begin(), vec2.end(), []() {
8 U9 w, S- U* O. ^  }0 g                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;/ c) @# Q* `/ g3 k- w
                     });
/ ^9 O" N9 }2 T2 F% z1 r- s
7 Y. x0 d0 Q: g( W) F7 O, S3 }2 L             for (size_t jj = 0; jj < vec1.size(); jj++)
- K8 Q/ h5 z# X             {5 o6 J( N1 A* o# @0 F
                     b1[jj] = vec1[jj];! u) p8 |" l# A; q- q: X: t( _& |
            }
6 k. m8 ?1 L  D  y; L: H. |* |0 c" L* F7 f) o! E9 ?8 v1 T0 |
            for (size_t jj = 0; jj < vec2.size(); jj++)' o  t4 p0 Y. F' J  f7 Y. M
            {* E# q2 v) N4 W$ ^
                     b2[jj] = vec2[jj];! V5 C  p, c. c/ s8 x% N
            }
, q- S2 y, [8 q
1 r7 h: o! Y  R             //Method - 1  N=100000 247s
! R! v; N. _  x             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);! `- `6 H- q# k2 c: H
                              % n$ s/ Y) I' h6 {4 h% \0 l' C9 o
            //Method - 2  N=100000  237s6 h+ }" M* X0 Y1 @% V
            /*
. R  n8 f; W/ M( |- J, R             for (int jj = 0; jj < N ; jj++)
# N9 L3 h5 J0 K/ `" p             {
4 p! a' s1 \9 A8 ~5 \                      fresult += vec1[jj] * vec2[jj];7 [; w7 C& ^% |" _) N6 n4 @/ W
            }: G9 ]6 x) c3 N0 i1 n
            */- K% n- C/ B! F: L1 `! U/ m

2 v) l! B6 I. R( V- r5 |6 x             //Method - 3  N=100000 204s
9 e+ ~/ m# ]' u             /*6 b: d0 m; e. `( {
            for (int jj = 0; jj < N; jj++)
7 i% l: |1 N# u3 N5 m7 |: j) y2 M             {
, ?% ~* U& `+ w8 |# ?1 B                      fresult += b1[jj] * b2[jj];+ T0 w6 K* ^7 l( F2 i
            }
. A! @" X1 k1 B% g: ~             */- t4 u5 l$ w, g$ L" _
  J: p5 t. }* V- {
            //Method - 4 202s% v+ T3 w; N5 {8 R& ^3 A/ x
            /*
- u' N% R* `1 ~5 l2 ?. v  c             for (int jj = 0; jj < N; jj++). `* Y9 @: {' C
            {1 f" Q  v" y. ]6 \* k. \% d% h- E1 X

+ l4 U3 {5 J7 Q( k             }
. l2 P5 y: P' G! Y  r& C             */8 a' K1 E$ w3 M2 J+ a
            //comment out all methods, N=100000  202s             + A# J% q4 u1 q& p) H/ k, q4 b7 L
      }1 F! ^# ?1 z: D+ k, C4 Q* v
1 c3 s# b5 r0 a9 j3 H
      delete []b1;$ v, R+ G5 N5 |& R, I
      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& @6 s+ D1 J0 Z) I# h( q$ L. c: O
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？7 `: R& `+ x* I

" v* ]% [& }0 d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: N, _; c7 S6 v0 v
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' Y* \) g9 @& m8 r* L

" S4 u; z# m- D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
- G$ Z1 I( Z( a$ L! [void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
) v" H/ r* G. z$ b4 D9 Y/ i) S# f{, ?( R- [2 a; y5 |: g% R+ ?
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