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$ y$ }5 T' C0 O' _+ x! K
拉下来？拉多少？
/ f. c: C0 f1 a2 q1 y( w- @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: M, H0 { Q1 A l4 c# \
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 23:549 ~1 }/ f3 y, A2 Z
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
3 u& k1 z& l; y \) J2 o{1 D9 h" m# K9 v9 b! o0 `' 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 00:20
1 {$ U5 T# e6 o( c# L6 |$ t这个不是这么比的吧。。。* ?% c9 ?; {% E( V0 p

. Z* A& V7 X$ i+ |+ |/ X; [) y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 K: i$ D+ P; A, C7 \% `9 k
有道理。
' ?/ u; w0 R9 ~& z% F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 00:200 O4 T3 o* Q$ J, ?# K6 U5 ]& _
这个不是这么比的吧。。。2 o ]' B0 e' u* _, Y+ V: |

/ g0 Z* ~5 j& u% ]' D* i+ p( A% L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
* U# [; G1 m3 x! n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! f; M2 R7 H' a' a
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
& d1 ]# R# _% @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& \& J4 G; o8 i) L5 h
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
3 H( K! l, N V- z) |2 } s' 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);. q9 ?" `4 n7 z# ?6 T) F( s
      std::vector < float > vec2(N);
. N- N8 b1 A" J0 A- r+ H# K       float* b1 = new float[N];
$ g* G5 r3 I! ~1 x+ U& K       float* b2 = new float[N];
- Z, e) K, o% |* o9 V/ P  Y) D. h7 z0 H+ z$ C5 Q( s2 _
      for (int j = 0; j < 6000; j++), n( ~8 `: h" Z6 \( r% A0 M
      {1 U. Q+ F( D/ V
            std::generate(vec1.begin(), vec1.end(), []() {2 \( ~) v" O  r. n' K
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;: {- C, \6 G4 Z6 D. x# O
                     });' |, r' M- H8 @/ R0 ?( V, `

7 z, Z& l( r, b% Q) Y             std::generate(vec2.begin(), vec2.end(), []() {% d; _5 K3 s0 q: X% g
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
) n( y5 Q) Y' x! O+ y                      });2 g7 @9 l9 H" M+ X. x
! O* P! }  c+ e: V* G# {% z
            for (size_t jj = 0; jj < vec1.size(); jj++)
+ {/ P' x. r% ?- @             {3 ~5 r2 F2 k1 w' G  J. L$ I
                     b1[jj] = vec1[jj];
2 q( V3 ^! u5 P) n             }
- b6 G- i% P2 D0 T# G: \' O1 y( \5 D7 t" d% j$ A, q2 p
            for (size_t jj = 0; jj < vec2.size(); jj++)  {. P6 s+ O. l# O* F0 B
            {0 o4 h5 f( A: Z* \- Y
                     b2[jj] = vec2[jj];6 H: k" w; J8 L5 C: F
            }0 s& d* _; P0 ~7 @1 W8 D* J

6 x. T' S$ I9 X  R- L& D5 W! W             //Method - 1  N=100000 247s
2 T1 y4 x# {* ^0 S) G# n+ w             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
0 m8 @. r- z$ c# J
. n' K- p$ P9 ^4 H9 P! ?             //Method - 2  N=100000  237s
4 h0 c( {6 Q* S1 l7 ^5 ^             /*6 `; D/ B6 g9 K: e6 T* K. n
            for (int jj = 0; jj < N ; jj++)2 Z( F3 G- s; q7 i& s3 y% m
            {
& \7 k( ?* `$ q" `* Z  K  ^                      fresult += vec1[jj] * vec2[jj];
( w0 L/ h3 V* ]1 f% D             }% Y8 M" s; ]5 e1 t& B
            */
7 B( d  B& z: \
7 ?6 T6 Z9 O! N4 ?, k8 i5 C4 c' _             //Method - 3  N=100000 204s# b3 R; V, N) {- K4 {+ ^
            /*
- K. V% _- Z2 h, E( d             for (int jj = 0; jj < N; jj++)
8 F& O! G+ w. ~1 A             {3 \3 N; {8 ~, `4 `
                     fresult += b1[jj] * b2[jj];" W( v; k2 o+ b* f5 A
            }+ e9 r1 H1 N! \( L# U0 c
            */- g& p! S7 E- [* \  Y
- y1 V" `! P) f2 e
            //Method - 4 202s
, L: \$ m- v1 y* F             /*
7 q& `4 |1 ~- D1 r$ K             for (int jj = 0; jj < N; jj++)) N! U- Q3 Z+ ^# Z
            {
  D1 ?7 L! }; b' P; K) F                      + S5 F# D8 V# y0 h
            }
( Y8 Y' _& t7 t9 @( A             */: p9 n. V: {" e2 G) {, J* S7 E5 R
            //comment out all methods, N=100000  202s
% `+ ]) y6 A2 \- J       }
$ u5 N) |) I+ P( n: n7 w/ a" D0 J8 i0 a9 H
      delete []b1;+ N: a9 ]7 f6 B4 T# W( t! ]1 r
      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, ^" C7 C; P& Y- Z0 z' h/ [ K" V
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？3 J% ]& R0 j3 U% K* D% Z4 F) W5 K
* }4 w% j' v! d! w( A
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
" F4 n6 \$ \! {; v. H0 l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、LOL9 K+ j$ y# K/ e

# i' @: f' a4 r f1 S! ^5 ~* O) @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& R. F7 o* [ H1 D& O- B
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)) e, j9 b# i7 E) S6 x7 I" v
{* |% d" w- d) _( }: L3 a" U6 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