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( O0 f& K6 ~! M: u7 z
拉下来？拉多少？
/ o# S& H9 ?, S$ |$ S1 Z+ ^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$ g# D/ N: h W' ~5 s0 [
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
- S8 ~; t- T' qvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
) Z; `3 o% F* [7 f% x{ c: U4 z' H Z9 }& S4 o4 h8 o
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
& E) E- |. R$ N这个不是这么比的吧。。。7 m/ n& k2 x" p
6 k) K$ `( k% {% n0 u
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
' x: H" a2 X. ?- x% u( y有道理。- [. p1 ^. I F3 Q. _& Z
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
4 k- \% Q5 g$ x& _' p9 f8 S这个不是这么比的吧。。。
$ t; L! k1 e3 `* g7 @8 l( O' _. d% W: P! H. j: ^' ^. |) S1 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
0 c, ?! _; K. [% b/ l9 ^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% Y- D) y3 c. S" p. v9 p
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. g: y0 T6 q0 _6 S& U( d3 M- c
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
4 z' g2 l: @# u; N' g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: L3 W' R* M) k q- y: [ y- 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);5 t% o! N) E6 m1 @3 H5 g# C
      std::vector < float > vec2(N);# M; W4 j9 Q  D
      float* b1 = new float[N];# S2 k* b; k; `+ ^9 Z
      float* b2 = new float[N];) R6 g- D" m$ o* ?
) }) X: u" A/ b# a5 d8 a7 X+ ]
      for (int j = 0; j < 6000; j++)' r  H' I3 `" V6 [. h/ P  l
      {% M( `( M6 c) ~$ f
            std::generate(vec1.begin(), vec1.end(), []() {
0 f$ F5 X4 S- |1 d* j& S' l                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
. L0 B( K# t7 f( e5 O                      });2 B2 G5 M4 z0 C4 c8 g1 t
, _! w7 G! @; D' _  w; ~
            std::generate(vec2.begin(), vec2.end(), []() {0 p( e6 ?. A/ w1 _' o$ L0 a
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
, H4 y5 m5 h) i+ B                      });5 j- |3 V- y4 D' E0 f
' {  p+ l3 d9 G& K
            for (size_t jj = 0; jj < vec1.size(); jj++)9 A7 |$ j- t* ~
            {
1 V- K& P( j. r                      b1[jj] = vec1[jj];0 {4 l8 F$ i5 O3 J3 d3 ?
            }
6 O/ T( N3 X+ q5 E9 T' C  K' i* V: w( k: `
            for (size_t jj = 0; jj < vec2.size(); jj++)" y- v, y& a1 N- _7 z
            {
: A7 s- ?9 ]4 m% [9 U                      b2[jj] = vec2[jj];
9 `1 w0 T$ o% E1 Y3 ?             }1 p: e* o/ d4 U% x
% j4 {* C6 _& ^
            //Method - 1  N=100000 247s
" ]' z* E. P/ ]/ Q  F% C1 R4 a1 X             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);5 g5 w9 h- x7 S; j3 t

4 |7 Z9 X' D* d7 W+ @- ]- e             //Method - 2  N=100000  237s: k1 i/ o; E& F9 R, M3 x- Z0 B3 G
            /*, g! b: n& n. R7 d; x
            for (int jj = 0; jj < N ; jj++)5 |2 n# ~8 o# ~& e0 P
            {1 D* @+ @$ ~6 _' _5 J6 S& ~6 i
                     fresult += vec1[jj] * vec2[jj];. X0 \& v/ S' }9 ?, ?0 r2 F! ]( v; c& O
            }
+ I$ u# e+ f# |/ Z/ h             */9 |2 A3 C# `+ \( D' ^

5 P3 V$ n8 o1 q6 `9 ]( e. Z1 |             //Method - 3  N=100000 204s$ Y' j; P' u8 A! g. [  n
            /*
, p0 w" t/ c1 X4 b) f' q             for (int jj = 0; jj < N; jj++)
  G3 O: z/ I8 l* s2 h             {
. [: R/ @. q  {6 [                      fresult += b1[jj] * b2[jj];- h8 G+ y! @; l- s) |
            }7 z7 }9 `0 w$ L* j" ?& i% F
            */8 f- P% o* y/ `* H+ k2 d4 x
( R  U0 m  K' l( C* U: ^: u/ }
            //Method - 4 202s
, K7 a7 f6 t( I. K) R- u             /*
! R; \  q% m5 V! D             for (int jj = 0; jj < N; jj++)5 D1 M( d1 j5 S- y, i
            {
8 ~* z' ^) H0 A
0 w4 ~3 M9 O9 j             }0 `( @8 Q0 a6 ?7 D' r
            */
+ X# A. g) J+ _# L, }; W             //comment out all methods, N=100000  202s             " C0 n" T. H- ~( Z1 E8 R
      }- ^3 q" U) n2 ]" e' h. u

8 x0 z/ z9 @6 c! Q; n; D0 m: J, X       delete []b1;
" h6 b/ d, F) h5 w! |       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 00:151 ~8 Q& u0 b: O
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？1 @% M; n* x9 Q) _8 V$ O5 F" F4 T4 V

: g" O: r& {5 z8 }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) c3 u" k9 h# b2 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、LOL4 @" w4 l, S$ T T

2 \/ S9 ?, {- ~1 s/ X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
( y$ ^5 \* @& \; V& z- Zvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
8 F! `) ]& Q# L{
/ p+ {4 o/ J/ H 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