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
3 T: D% t% Q! g, y7 S: N5 {拉下来？拉多少？
" b/ d$ T( T) }4 c4 w2 X: g1 b9 F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
) V1 I5 S: t. X1 fMaybe 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
/ ]5 Z _/ A2 b; fvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)- e0 [) }3 @, k, Q% ^
{
% E! e5 @2 v( w 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 00:205 e4 Y' g! S! u- D1 w/ S* r
这个不是这么比的吧。。。
$ j( V; B2 O4 C) ]( }% J% l9 K5 s+ @( 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 00:46- J" J M+ ~8 Z1 ^/ w$ p( }
有道理。
4 w/ ]! `; C X3 p' d5 g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/ `9 {& ^9 k这个不是这么比的吧。。。. B2 W* a# `2 [: |
* A" x6 B3 @* d$ V0 E% F
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. N" l T( \1 ]. c1 X3 p
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
' L/ e4 x/ [% z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 04:472 I* k5 s" C. K$ D3 m- P- X
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 V, g n T7 t! V# W1 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
5 g& S n% ?" M7 l3 H9 D* r9 s+ A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);6 e, R9 O' j/ K
      std::vector < float > vec2(N);% C1 U0 X5 G1 [7 f* p% O3 \8 p+ M
      float* b1 = new float[N];, `# P* `# q. L/ \
      float* b2 = new float[N];" F. B/ X/ X0 e% Y) K* S0 q
% V% x. P7 C5 L) X0 T: e
      for (int j = 0; j < 6000; j++)
% T# @0 d; t" m/ U& l' B" `! T       {
$ m8 P% _9 {9 h( [# j             std::generate(vec1.begin(), vec1.end(), []() {
  x7 G$ ^. J" Y3 S! |, K                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
, V  d0 F( D4 J4 {                      });: T0 ]; c- p$ x0 C
6 [+ h6 ~/ t  V5 x4 E
            std::generate(vec2.begin(), vec2.end(), []() {5 e) w* r* q3 a, {: @  }) i
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;: t3 o* r9 J9 c$ b
                     });+ e/ [( e* z1 Y/ k+ r3 g

  g9 I' V+ Z0 X! Y% q9 z' @             for (size_t jj = 0; jj < vec1.size(); jj++)
9 W+ ~. ?" n: E* f: `             {
8 }: ^6 I! Z: D. r                      b1[jj] = vec1[jj];
: t5 P( p$ J" n0 j% E2 v             }% `  G, g: M# K( W# N: I3 r; l+ F

# k  j* K" @* J1 O% t# F% s             for (size_t jj = 0; jj < vec2.size(); jj++)) a# v! m8 `$ |
            {$ V: h6 l1 P& U, j6 O$ T6 ?9 j( d5 a
                     b2[jj] = vec2[jj];/ n: \& X2 h$ n
            }4 a" P- {0 n, W
9 @, F% E) c! L7 B' z0 o
            //Method - 1  N=100000 247s  6 }2 o7 M# H- Y# M1 g
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
- K  P) @9 w7 M5 q+ p: U$ l4 _9 ]
$ w+ C4 `" b* P             //Method - 2  N=100000  237s* N) [6 C; `9 l5 L1 u0 V+ O+ A8 N
            /*
" K- l: G, g  X7 D             for (int jj = 0; jj < N ; jj++)1 `* a5 z) G+ Q9 b$ I! q
            {
$ y4 F+ `/ |  w9 `* e% z                      fresult += vec1[jj] * vec2[jj];
) y0 r' g- p  |9 {& f: Z7 P) ^. C             }
! I9 W5 L2 g" ?9 s5 r9 U             */: @( U) q% ^  h
                              4 F1 ?5 M, E' w0 n
            //Method - 3  N=100000 204s+ l. u; [( B4 i; x0 `
            /*7 P8 k7 l2 Y! q
            for (int jj = 0; jj < N; jj++)
# K8 B* d  v. B3 u  \             {9 q$ \" E! I  Y( C; p9 W; B3 q" `
                     fresult += b1[jj] * b2[jj];
/ D1 x: d9 f. S# j$ E4 m& l- T             }  [) r# F7 _: A+ p' Z! |  s
            */
8 L# l- S# T6 _) g% u7 b% h; _! j6 Z1 }1 H7 |" |0 T/ Y! K6 c
            //Method - 4 202s8 m! ]2 k/ c( `  W% `4 c$ T
            /*
* ~/ k% n& J% r& y* |' I* P' Z8 l             for (int jj = 0; jj < N; jj++)
& |: a! |, E5 @& p. N             {
/ S- g2 z3 H" T) l; g/ a
( i1 ^5 }$ Y  C: V$ o             }
  i- l% t7 J8 [             */
. b3 l9 F9 B' K+ k+ C* H* y             //comment out all methods, N=100000  202s             + x7 }, q) |+ w- h
      }5 e6 _/ P2 v) e6 J+ V" r
3 M3 ~) k' U* A5 r0 r
      delete []b1;
1 |) Z$ X+ `: 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
$ W) S5 X3 i9 T2 ?0 n# F& P- t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？
( N) m! X3 f( k% c* v7 `6 c' x4 Y6 t8 G3 V7 l
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 01:161 O: L8 z* x" E9 r
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
& A. v8 Z' u- v1 C; q& i* j7 c) I2 ?- D) S3 {
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" }% S! W* S. s: a! Y
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
% W. `+ w- M! J( m" ?{
: Q0 [. z7 k; H4 q8 b) l- {' ` 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