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
; o" n; ^1 w, ?) P2 o# l/ l拉下来？拉多少？6 j) J( V. H, z4 ]: `
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" R! f& U7 b6 B# A* Q* S
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 23:543 M \, ^* s0 ^6 Y. G3 |
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
; g6 p# T9 a9 @; _, \! Q' B{) T1 X7 l Q% H7 S# T
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& j; \0 b8 I+ _" J" _/ n8 P6 M
这个不是这么比的吧。。。
5 o8 O9 k8 C: o6 v# Q2 m. ^, \% I8 \% j2 @5 p* B- 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）。

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 _/ I$ k& H) } @ }
有道理。
) b! x3 Z# P9 L# x- 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
+ J" L9 W8 Y! _0 i) B这个不是这么比的吧。。。
' ]" C" e; Q) I# i$ k
3 J8 P$ ^8 ?" r7 w. G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
2 p5 e' D v/ M- A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 i1 ^# R5 Y1 C2 Q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% ?* w1 A( W1 P7 W0 T4 b
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, d; o+ A6 J6 I7 s3 h3 L8 k
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! b7 H1 E6 \+ e) T8 C5 ?
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);
7 m5 L( a: S7 Z% j; ~1 U5 v       std::vector < float > vec2(N);
" X" m5 p( W) [- p; ]% W       float* b1 = new float[N];
5 I9 |& a, @0 v       float* b2 = new float[N];
% C/ z9 r% g# [# o$ e! X' L4 a/ W( e% O2 E# P* A2 F2 H
      for (int j = 0; j < 6000; j++)/ ^) w! J0 H9 a7 f3 l$ k; k
      {" l2 M# b6 y" `" }# E' c
            std::generate(vec1.begin(), vec1.end(), []() {. }% L/ e- ~$ }  F9 \
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;  c  S" c+ y8 R5 K
                     });
0 V1 }4 R- V6 H3 N5 d) C+ J1 ?+ X5 i2 }) S$ Z4 u7 _1 |
            std::generate(vec2.begin(), vec2.end(), []() {
, b/ a( \+ `6 j5 q% i                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;+ b( |) |1 X2 A
                     });9 o3 J& f% w6 ]9 E5 ~
5 U# A5 ^2 D7 r# s( J) n) w, T
            for (size_t jj = 0; jj < vec1.size(); jj++)
) f8 M( K( X' _             {3 ^+ y. J, L& b8 j, a: R% ]" b5 b6 c
                     b1[jj] = vec1[jj];# ~3 J( a) V/ L1 S8 ], x3 }
            }2 l  C! v1 K$ w1 f. N9 T4 B/ ?1 x8 |
/ ]& E8 C6 y1 V; B7 V
            for (size_t jj = 0; jj < vec2.size(); jj++)
6 D9 s3 S  j' S& U( x             {
# }  E7 c6 X1 F, M                      b2[jj] = vec2[jj];0 ?) \$ @# I/ }& g2 M% O/ H  A
            }
2 [) ?' {( |. c& B( L4 P
8 {7 s: V) ~7 H8 }( B' x! P. c& P- x             //Method - 1  N=100000 247s
2 a( M9 t7 n( Z0 T) O             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);4 @3 b8 i, L9 P1 J7 ~

# J4 T" j6 Q, b) f' i3 P) p% R             //Method - 2  N=100000  237s
1 v, V2 U% F& I4 H             /*7 r0 J- n$ D" G9 X2 I. R& W
            for (int jj = 0; jj < N ; jj++)
" M  ^" q, x; U: j" l             {
+ \# @2 D6 N7 M& Q, K                      fresult += vec1[jj] * vec2[jj];
! w4 n8 J, O9 J5 Z' k             }
" D' d5 z- X: E3 _! S             */" [- ^+ M! G9 w: L; T4 n

0 K# `( |: D% \. y7 H$ W* Y! [             //Method - 3  N=100000 204s/ W9 f- h9 i+ Y  a
            /*$ k! \6 U$ k: l# g
            for (int jj = 0; jj < N; jj++)
* z7 m. \& J) I6 [! J0 l, l             {% C7 m; m" M1 O3 N+ O+ C  I
                     fresult += b1[jj] * b2[jj];* Y& s+ h; D/ Q/ @5 l5 p
            }* Z3 q. f- \0 t8 A
            */
" |# ~6 F9 a/ N9 k& ]! e2 F1 _* D
- n- e" p/ C7 [+ C3 y: y             //Method - 4 202s
1 c# M/ @4 ]" g$ `' D             /*) m/ M" m: g* F$ ]
            for (int jj = 0; jj < N; jj++)
1 S$ p5 j9 j6 S5 C8 H, \             {0 b0 K; l. J0 Z. P& x' @( ~

; W, h* `* w: W; v' \5 ]             }0 a; _) t% C3 b3 }' t" A
            */$ `8 G2 ~" Q- `0 z
            //comment out all methods, N=100000  202s             ( L* P, r* j4 F$ x! P
      }
( ]( J) x% T( T7 L3 N7 F# b
  L$ h+ O$ c. R3 s       delete []b1;  I4 b3 M& j5 \( ~& O* [
      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
$ t [ h; J4 O* F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？
9 A# x5 Q% ?2 Z5 L
2 G/ M3 d. w8 U8 B- [& s0 {3 \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' b) }" w1 h( g/ ]8 m" w. J
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、LOL5 ]% E3 J: N* R
n, o/ R2 S8 e: i% h5 d" q$ H
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% u! c2 u& N6 P$ V
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)5 {+ `* p9 h5 V2 T* C, a
{, T; V9 h- d5 h7 A( o( i, B) Q4 K
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