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! a- v" H7 P" I
拉下来？拉多少？2 C7 {8 {8 i2 ?: ?
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
( ^# K2 O2 D' V0 a: g* B6 y% {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
' f. x0 D9 Y0 l7 mvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
5 P$ z4 l7 }. a5 e! f, U$ T/ E# ]{/ a- y2 V& Z( z5 y1 a1 m
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 00:208 ?7 H/ u Y! b3 W% X6 c
这个不是这么比的吧。。。
" T/ E$ \2 O' k, G' ^) v8 f8 b9 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）。

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
. a/ A/ O9 g: k# C# N. E/ Q有道理。
+ B3 n- `$ G9 f( r; l* o$ u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, B L/ L% H3 F: ^0 G# Z
这个不是这么比的吧。。。9 g# q& {- m: D* ~; J% n4 I
$ B, U* r% y' Z4 t2 R
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
, _6 B' H6 x( G6 ?7 i; |/ i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
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
! \# J, L9 W+ j5 p9 ^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
5 K1 H$ U6 F5 ?- V; O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
/ _- o5 ?/ }% L) I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);! b- @4 X3 l" r+ ?
      std::vector < float > vec2(N);
1 f3 X1 j+ }9 v% V. q7 K       float* b1 = new float[N];2 Q  J* f% C. n3 D# Q; H7 ~3 _
      float* b2 = new float[N];. o( @! a- L7 Q0 O
9 p/ c& E2 s9 ]
      for (int j = 0; j < 6000; j++)5 q% E. @. N+ u
      {2 w4 Y5 w* {+ ~: |* L- t6 P
            std::generate(vec1.begin(), vec1.end(), []() {
  g) }. l% l2 e- A5 O# h                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;  J1 y8 N6 t5 A
                     });
8 @6 S; s! [- K: [, T7 t+ t% S' D+ I# q
            std::generate(vec2.begin(), vec2.end(), []() {2 f0 [, [4 o1 v) i
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;* i  c5 a: f4 D: }  p$ i9 K
                     });* b7 x' o* X3 T: N& v
% ]7 {7 E0 M/ L  t5 q" l
            for (size_t jj = 0; jj < vec1.size(); jj++)
' E6 B9 Q  F6 C9 s( d' X7 E             {
& u" h  C+ Y  X& X# w5 f* N                      b1[jj] = vec1[jj];, |; ]/ [# D" Y- N  K' A
            }
/ Q, Z' B  E, Y' ]$ U& h+ f9 Y; g- w
8 e  _0 ~8 ]1 T" |4 u( @2 e7 X5 O             for (size_t jj = 0; jj < vec2.size(); jj++)* v! h+ ^7 d$ K- D! Y
            {2 C7 S4 i* I* ]0 T# X
                     b2[jj] = vec2[jj];
: C! n! k" [7 O  L2 h             }
2 B; o! H2 k& ~  O. j6 X1 O
, I9 \4 N1 |; G; ~9 a, L' l$ H& n             //Method - 1  N=100000 247s  2 L- t, z/ p6 d3 A4 x
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);! J3 T2 w7 {5 O2 T3 W

2 D4 @8 t: n2 q% P( s             //Method - 2  N=100000  237s
1 S6 I2 t( g2 T/ ~. ]0 D             /*
1 c! D: x  a6 {8 m& L/ Z4 ~             for (int jj = 0; jj < N ; jj++)- k1 @8 O1 h8 c$ o* J# t$ }
            {
9 C+ }% t/ D8 J5 I/ J- u* R* @6 U5 `                      fresult += vec1[jj] * vec2[jj];
' `' m5 ?) @$ f  f             }+ n" x3 E9 b0 N6 i9 ~3 z
            */
0 T: y. B( a) I! c                               , o- D4 R0 F3 a3 H
            //Method - 3  N=100000 204s
) t! x' ?2 b7 |* i             /*
' `; |0 \6 Y2 ~             for (int jj = 0; jj < N; jj++)
9 i" H: Y' @* y+ ~             {( D  v% ?6 P; Z# w; N( P
                     fresult += b1[jj] * b2[jj];
: g2 [& ?9 i: o* w( {             }/ ^1 ~* P% l- h8 _
            */
! A% i1 [- k" b1 z+ ]
/ B5 m3 z  f9 ]6 h             //Method - 4 202s* Z, u" R, C$ O9 G
            /*) ?; w* d  A4 d& F( q+ e
            for (int jj = 0; jj < N; jj++)0 k$ s* b* s  |2 n8 d8 H) I% u
            {, r, }2 _; {8 M( |3 w* W- E

( t; p" M# n! s/ P# ~1 [; W7 h/ w             }; O1 a$ `3 [) H" y
            */
+ p( f8 \5 p) {% l0 a, `8 a             //comment out all methods, N=100000  202s
, U( t/ \3 P) A       }
8 G& y* }3 g( W7 B9 X& g5 e; j) |3 A9 w
      delete []b1;
* R* b. H3 k+ b8 M       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
. R" d$ s \5 E2 ]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？' c$ f* j1 h; C( {! L# j4 G

+ `3 u( Y% a# ?* Q1 U2 F- Z, Y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
+ L: V% L8 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、LOL
& Q& o, P5 U1 v( R, ~: l1 x+ u* n
4 Z! j8 o3 L4 ?5 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
6 D0 O& x- a4 {void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
# T* _) v3 f J! Y. K1 u9 K4 h- H{. a9 E* p+ t+ ]
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