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
% X d) W" w( D拉下来？拉多少？
) x& v* l( D) ^, ?; n. N- P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
- F, F4 w3 Q! O/ e: hMaybe 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- K3 W+ T; B# V e
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
* S, W+ _& n/ p( m5 m8 B* z{
2 d, D8 B- Y% S 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+ `' ~. i9 d. h" @3 f" b
这个不是这么比的吧。。。+ K. H$ b' O4 l9 D$ [
8 K2 P* k! Q' f) T; Z3 k6 b# }1 |
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: T- u' l2 W: D" }" ]2 W! r6 @* q# g
有道理。
# e5 |: ~' J* B: G6 R: U" g4 W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 00:208 D3 v) E+ y6 g) }6 ^) L
这个不是这么比的吧。。。
! a7 i" a+ O) f3 L% \/ c0 [2 G" r' R' p2 K/ F! C# [
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; J4 ]5 I/ E6 x; [ }- |# T7 Y
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
+ w( g* l, [- L8 Z" N. ~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 04:479 W* w7 A& Y" B" e d" F
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 e6 m# `' m5 j" T. I- E! M
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( r+ H$ o! k8 ^5 {. L; W0 b" i; x
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 q$ o+ W( l       std::vector < float > vec2(N);
5 Z4 I3 o6 X2 _% W# F+ q" k; x       float* b1 = new float[N];+ l0 S8 v' \) m8 Z7 O( g1 a
      float* b2 = new float[N];
$ q5 e& T. U; X4 p- u
1 a5 b2 w- |( b! C& e% B" w       for (int j = 0; j < 6000; j++); m1 _7 J4 L; ]
      {
, n8 |7 V7 K: T  w             std::generate(vec1.begin(), vec1.end(), []() {( K" a4 i+ _9 \5 E
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
- p& u. f8 r+ t: Q: W7 r( i                      });; W5 n( z: k9 ^% E4 {

' e* n- p- G, ^" C: ]             std::generate(vec2.begin(), vec2.end(), []() {
5 u  V5 v" w/ y                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
0 |1 i' E; q: Z                      });, |" t( _+ V9 O- h9 ?) I
" Y- ?5 s; j4 u) M3 W0 M& J
            for (size_t jj = 0; jj < vec1.size(); jj++)
$ ]2 Z6 X) W- K; m             {
8 R8 E# D$ ~) v7 a; P$ y1 v+ V                      b1[jj] = vec1[jj];6 A7 A( m) f- T) S
            }
/ Q- q& M) H- T4 ]! M9 N1 R4 q2 A, i6 q5 I( A
            for (size_t jj = 0; jj < vec2.size(); jj++)
9 X1 ^% w+ u7 Q+ a. P' g3 o/ N$ O6 Z             {- D4 d6 \, U8 P. b
                     b2[jj] = vec2[jj];
) G: j& D+ c+ I' E) W$ ^             }
8 P, c4 @! s4 ]7 l: C6 m5 J1 |$ {1 t" u
            //Method - 1  N=100000 247s
) l% [3 b9 M! T' W5 m             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
2 {! u/ {0 E5 s/ `8 N4 k+ B
$ s9 U4 p# ~. q% m0 Y             //Method - 2  N=100000  237s
& T# ?1 W' {) B' @% J9 ]! b             /*: K) Q- ^% ^" p5 @% `$ }. G
            for (int jj = 0; jj < N ; jj++)4 X! c: D) c& W0 M" t
            {; e8 `( ?8 d" ?
                     fresult += vec1[jj] * vec2[jj];0 w+ O8 H1 E! s: r, Q/ I
            }# I0 |6 h+ ]$ }% n0 ?
            *// T/ r+ F+ u1 t4 W  N

% K4 S4 h/ V$ n( b$ H( D2 ]             //Method - 3  N=100000 204s/ l2 _' n3 e" v" ~' y1 y- P
            /*
6 Z. f, ]( B* h3 y2 H             for (int jj = 0; jj < N; jj++)! _" c0 F! e: S/ Q( {$ Z7 L
            {
6 J2 n4 [% w* u& Y" W; G                      fresult += b1[jj] * b2[jj];0 H" N% I& v9 E! R" e
            }
5 w3 O+ q. @: I             */
8 c( z8 E) ^& r" N, t; u
2 J: C1 `9 \( o. q) l             //Method - 4 202s3 |. C) l* [( B) k* @* W8 g
            /*
  Q+ H/ @4 t/ u' s+ h7 _( R             for (int jj = 0; jj < N; jj++)
# e. b5 Q0 h: W9 M7 `             {

+ w) C* k$ g0 r' f% l             }
$ u; V6 Y9 m9 A             */+ Q, Y  s9 L9 p0 m) F6 B6 m% {
            //comment out all methods, N=100000  202s
% X/ z, X2 m/ j       }# ~2 V2 P, ~0 i+ {
# f8 @6 s) b" h1 j. K8 ~5 q/ V
      delete []b1;" L# L  R' o. F, Q
      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
8 D6 O' d/ c4 ?8 y( r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？5 I* `2 K7 z' [# a; g5 S3 w
4 k* H9 Q: W' o; ^1 h
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
" h; i3 }. I. G4 c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 `0 p4 L. ?# ]- i
! Q* d2 x4 S2 L4 s9 i1 w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
' V4 q6 C" \0 cvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)& B/ c _* c5 |6 E" F1 F% b5 M
{
3 ]- v6 q8 |/ 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