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
1 R2 M* \; u3 m+ d3 K$ u拉下来？拉多少？
$ J) I, j7 T* n# W2 d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# @) j/ Q- T( 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
y! U) ^* B* Q4 X8 j$ y8 p) G* {4 _void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB). E+ h; q! t' m, Y1 @* a8 ^+ g; F' l" K
{, g- Q+ `! P4 H: d0 L
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) f+ V9 X4 S$ g# O6 A% a! |8 i/ w
这个不是这么比的吧。。。
; g; F! y- N( O( a
4 t4 V! H' B2 d6 V/ q s6 B' 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
; }$ Y8 |6 ~$ O有道理。
. q6 q( H0 o- i3 P2 s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/ u% g) ~2 ^. r k6 l V
这个不是这么比的吧。。。
$ O7 o# M: j% X* w
6 q8 D& I. f7 ^2 E0 A' h. N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 01:482 k9 m+ j, H: K2 f
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
2 B8 A! H* v- W+ w! X7 b9 O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 04:476 ]+ ?7 ?' |, u' }8 @8 s4 ~5 w$ x9 z
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 04:474 Q) x3 w& X3 q2 F' b: K( q9 a- n8 Y
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, o4 ^4 c2 T% ^* v
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);( u$ `" }3 b: ^9 a, k
      std::vector < float > vec2(N);
# W/ ]  |3 ^9 q  G# `1 D9 {       float* b1 = new float[N];+ J( s& E- {" I
      float* b2 = new float[N];
$ }/ w4 \: b0 g/ {- H+ u: n6 G' Q$ Y$ B' z
      for (int j = 0; j < 6000; j++)- T* U( w% S. R. Z% n1 g' N
      {9 i5 [9 |  v, L
            std::generate(vec1.begin(), vec1.end(), []() {
8 y( i! [8 K; ]4 h6 y7 S                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;: p* Y$ C2 k8 u% d4 }  U! D
                     });
+ k6 z3 r% b8 l9 i4 c5 V6 J) Q1 d1 w
            std::generate(vec2.begin(), vec2.end(), []() {9 m# @# ?6 X5 ?2 S5 G9 v+ s7 R
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
8 j. g# x' i" d# K: U% b* N* i                      });- k7 Y8 B* H& G' x, a
) u- N" D/ _+ S0 |0 N
            for (size_t jj = 0; jj < vec1.size(); jj++)
% ?, y+ p4 P' c* b* X0 M; l- O             {
9 _+ n: _& h5 F5 V( |                      b1[jj] = vec1[jj];( }  R( _9 E0 {& f% h
            }
: j' n) E( ]5 k7 l( O$ a- T. y# M# N- z
            for (size_t jj = 0; jj < vec2.size(); jj++)7 ~# L) m" u; q# \" R5 t
            {
. n: s; [7 f5 ]                      b2[jj] = vec2[jj];7 l) A9 S8 q& P. u- M3 P9 S
            }
% F2 f/ _& e: [
- }5 O# l9 J6 k3 ]1 b' L) m  |             //Method - 1  N=100000 247s  * k# B9 z6 y( b, Z: h6 j
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
$ O# F2 `' Z" b
; `: R* o6 O$ n- \             //Method - 2  N=100000  237s
0 I- m" j  K, D             /*
" R; M& O, D! L5 l; Y6 T3 T$ m0 {             for (int jj = 0; jj < N ; jj++)4 e+ k# h- o5 Z$ L0 W
            {
' `1 }2 k% ?, U  p% n, _5 p! P" C                      fresult += vec1[jj] * vec2[jj];; V+ f0 r/ j2 l; c3 b
            }
6 _3 W; H$ K3 K- o. w$ M             */0 p" x3 m; C* s# K/ u1 b5 r
                              1 A+ k5 d5 a9 u& y! z
            //Method - 3  N=100000 204s
# U. b* ?* f5 k2 u% L3 |             /*$ Y: a5 M  D& S" q
            for (int jj = 0; jj < N; jj++)
% r/ I8 H) {5 O5 ~             {
# Y1 _8 D2 B# J                      fresult += b1[jj] * b2[jj];- w8 |' Q  F: _- q. N) O
            }3 S" p: [: L  {! u  C3 N, m* x
            */) i, k. f. j8 Z
) I9 r9 J! Z+ E4 \) B
            //Method - 4 202s: b* }/ l' y  }1 `+ ]" B
            /*
9 v7 t6 n' N" ~. [3 ~$ Z$ E             for (int jj = 0; jj < N; jj++)& X; T2 V. ?0 t+ ]" x5 G/ w# r% w, E
            {
4 j( ~2 f* D7 P) q- e& k
, E- A4 P& O8 n             }; {% n- u4 Z3 Q2 B* c% I- h! o
            */2 @+ B0 y. [0 ~* b) S4 ?
            //comment out all methods, N=100000  202s
5 L: p; V, D8 p/ t       }$ u. I+ _+ l& e% Y- k8 @5 q1 b

, }; a) H; g" u0 I! w       delete []b1;3 h5 I: Q  j8 E2 l- F! c# 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, S+ @; Q3 K$ {6 n
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？+ H {' ], S! u) d" |" L3 \( w K

& q9 u2 j( P, R! z! z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
5 V+ P: m f; w: t9 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
9 i' C$ E' N6 G4 T/ T0 U( V6 _8 v2 j
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
- I9 L' h8 ^3 {$ b W* h/ Pvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
& ^' o0 j: `. P! U( ]* l0 _$ a{
4 C& i+ O( Z7 e& ~2 R/ F6 _, { 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