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
! C! n! A9 }" S( `拉下来？拉多少？3 l9 D# A7 J) A
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" P- _, y% @$ U1 }( d8 @# L) |; X
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
g) @! e P9 A" t2 q& Fvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
% K2 ~ K. ~2 D( Y, _' A{2 U" M$ }4 ^: y# }: [
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 00:206 y v; X, Q- U+ R- x. x
这个不是这么比的吧。。。4 i2 y* v& A- [0 L

0 \+ x, e# s8 [8 R) i, O) w3 b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 00:468 ? K: N6 t7 v1 c
有道理。2 T# N6 }5 l1 d
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
7 I' I" d: H0 N4 `% A& i这个不是这么比的吧。。。
/ U# R+ k: a; P- D' u; }8 B& ]3 z: b; T s/ Z
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
K) h$ M2 T8 F* ]. z" [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 01:273 C$ w e2 ^9 V" k( t( s) f! 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 04:47$ W+ P) w6 c1 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 04:47% Z6 @- z& Z# c- \- `% ]
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
/ D. t" w. U7 s; U# I: F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);
' `2 S+ z- R9 g6 {; ^8 ?5 i9 u       std::vector < float > vec2(N);
6 P4 s4 I: Q" w       float* b1 = new float[N];1 E/ |; }) I. i# Z' T' o+ N
      float* b2 = new float[N];; b6 ^7 x: C& x! ^6 v' T

$ q) k: `, o) }% p( p       for (int j = 0; j < 6000; j++)
2 I+ g2 d: k+ d" g       {
% G( ^! s# \7 O1 F2 L1 |             std::generate(vec1.begin(), vec1.end(), []() {4 _" i& g' n! ^5 n& f, h$ I
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
0 p- S) B5 V" V8 I. N* Z# X                      });
; ]- K: B2 y- w) ]( d
$ ~  V) f  B, h# t4 X6 h             std::generate(vec2.begin(), vec2.end(), []() {
) a1 O' p3 b0 z* d8 @& M                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;# o5 |# {0 u1 I. v- d; k- z% W
                     });5 I1 q! O, ]. u3 D
- ~/ b. x0 }9 X# [/ W. q
            for (size_t jj = 0; jj < vec1.size(); jj++)# C: P0 |6 X  T7 I
            {) F& ?+ }; O% h
                     b1[jj] = vec1[jj];, R! l, H1 x. A, l+ s: ^
            }6 X! Q6 K, B9 t9 V
- Z( u" s5 Z' M9 z' B7 o5 J
            for (size_t jj = 0; jj < vec2.size(); jj++)
% O/ `) o, Z" W: ~- @             {6 r6 a" M1 `! J& d- R8 m
                     b2[jj] = vec2[jj];3 m2 X. g, ?* |& z* O* K
            }; I- v) o6 P  Q* t6 f) A( |

1 @( V3 f8 e. d$ w  ]2 n             //Method - 1  N=100000 247s  1 B+ b* F) n5 S6 _2 g& s
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
& h% X0 u( c+ H8 J+ X                               " O" P8 ]) D/ Q3 V) D0 z% W
            //Method - 2  N=100000  237s
. @6 e4 c1 ?# [7 I             /*9 u, y( v* b4 u6 Y  D
            for (int jj = 0; jj < N ; jj++)
0 y: T. z5 t' E1 a4 U3 s/ P             {7 i- `2 w/ h1 z  J5 X) `# z9 s
                     fresult += vec1[jj] * vec2[jj];6 w$ e/ Q/ r- P" l5 o- {
            }
: Z# U+ X5 d7 M/ I- t& u# a% P3 J             */
) X! u& h4 A4 O! [( C+ u                               , |/ z9 T2 j1 G8 m4 k9 f& e
            //Method - 3  N=100000 204s$ ^  k4 b, l3 E+ `  ^. z
            /*' _6 h6 s- z3 r  W0 f
            for (int jj = 0; jj < N; jj++): }3 u  I3 [" R( m3 g# V
            {
, @0 g4 L/ b3 u) v  v4 l6 N                      fresult += b1[jj] * b2[jj];; `+ t2 w4 Z* U" F( X
            }
* P# H7 h6 p% @  i" [! D             */
4 p6 S# X& }, P. a+ E# \' l
, h( j! w2 W: H             //Method - 4 202s
& T$ V7 F$ O7 |) y5 ^( s! U  j             /*. @8 h- Y. T+ x* ]# j
            for (int jj = 0; jj < N; jj++)/ `' \4 \& L  i8 {6 l
            {
) h6 h. ]8 N6 D% r" R                      5 G) f* [; P, p1 m) G- Q$ l* C
            }
7 f  {' ?1 @/ r: \/ A2 }% d1 Q             */( w8 L6 [1 w9 y- f% m- F6 k# y- V$ g
            //comment out all methods, N=100000  202s
9 [; z; ~' Z$ q& B       }
6 g5 z6 H: A& ~# }
9 z2 H9 P% z# H- L) a% p( c" b1 Q0 s       delete []b1;8 `) X5 r7 Z7 T3 V
      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
3 j0 M/ v2 S5 F% M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？
) A- x. {$ ^8 h$ _' M1 T
! Z% q) c7 e3 ? R6 s2 R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, U( r& z; [- o3 ?1 E: _; b
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
[& ~% L7 R* o: n( x+ T2 L# s) B% t' d; {( d/ q' r$ `" c& 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 23:542 ?7 r7 ^) w& _4 L( S$ k
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB): D I2 H; t) c& [7 g9 W! L
{* M5 B9 f1 ^! q/ L1 a3 T1 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