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- u7 }8 f! N/ {6 B
拉下来？拉多少？8 E3 J6 b M* ?$ J
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# v ]2 s- G9 J
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
; {. M2 c- z0 f, w. Bvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
; F2 j" v" U) @1 ~2 A7 t, o! k{" }/ }: `, E0 T1 M0 C+ Z
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
% g' w; k8 p3 X; L3 X! P这个不是这么比的吧。。。
% m# C2 l3 l( I& ?; s% X
& E' [( o8 U$ u$ v; {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/ W: W- ?/ c# H" ~+ v: c+ x8 _8 v
有道理。4 K4 X0 d# x+ ^2 H: |
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
: Z w# A! @% B2 a; t5 C2 |这个不是这么比的吧。。。4 D6 N& f) D# J

3 O( v( b5 W7 Q2 e0 [6 U7 Q1 m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 01:483 ^6 ?+ R+ K1 u* Z- C |" G' s
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 01:273 a/ j, N+ @5 A% |
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
4 k1 |( Y4 I/ h0 `/ P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 04:470 Z" b0 t3 N3 z4 a! C) S4 s
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+ z+ g5 X/ }9 ~6 w
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);
4 N5 X" O+ q% L       std::vector < float > vec2(N);' G) a% \" ]5 _+ F
      float* b1 = new float[N];
; x  M% \3 b3 J& k       float* b2 = new float[N];
7 m  Y/ U- ^# j, k6 d/ ]% ]: z0 ~) P8 t* b0 B
      for (int j = 0; j < 6000; j++)
6 U2 j6 _* p8 S, S" R' g9 F4 o       {. o, |$ `' J% b' W
            std::generate(vec1.begin(), vec1.end(), []() {
) C9 V" F- [3 V. I5 ~+ B' M                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;, ~' t, R# C1 ?9 u
                     });2 x1 g: e+ \9 M

# `! N/ v& K1 o/ Z: ^% ?             std::generate(vec2.begin(), vec2.end(), []() {& z* |% k& I8 N3 Z7 a
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
3 f0 R& G  M- p  d6 c6 X/ |                      });' O2 s3 X; d6 v; a! c' P6 R

( L" G( Z4 c" C+ E- x  W% o4 @             for (size_t jj = 0; jj < vec1.size(); jj++)
, |2 U; c4 _  y; R) T& d             {3 C. b6 M+ G- n% E7 }3 b
                     b1[jj] = vec1[jj];: y% n- m! }( D, n$ |, R$ G# x
            }
) x$ |( t- M# g! W4 h$ v
3 u1 }2 }4 ]8 v             for (size_t jj = 0; jj < vec2.size(); jj++)
! ^, L  h$ L1 ^: b             {- L6 b7 ]) \. A3 W* d; N% a: e
                     b2[jj] = vec2[jj];
. h* T' K/ s1 {' Z. D$ ~             }8 T9 L$ m1 |/ l5 P7 O
; [/ C- v% G; u; X( k
            //Method - 1  N=100000 247s  0 o2 K" w4 T: ~) i
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);1 Y3 E$ a2 g' j6 A* x) u
                              ' l8 C# `1 k, J4 S9 d1 r
            //Method - 2  N=100000  237s
5 }8 C- G- b- r4 d             /*& T: _4 v: n( o: J$ ^
            for (int jj = 0; jj < N ; jj++)
9 d  @6 g; R2 l; V4 q; o# ]4 [             {
$ m0 [) g$ h1 y. Z- \' f                      fresult += vec1[jj] * vec2[jj];8 _- v; @& ?4 a3 S1 _; u
            }+ S- u3 k" U: F+ z+ q: g
            */
) S' q  W% f2 m5 ]  n                                 M* J& t9 A7 c3 R  X; D8 C
            //Method - 3  N=100000 204s
1 G1 d7 b6 f0 Q: m2 \             /*6 @/ b' g3 k5 l. E  n* u" b5 `
            for (int jj = 0; jj < N; jj++)
, c" X) p3 c/ }* u' |  J$ D' n             {
* J0 c+ a0 t* f( t+ z1 w                      fresult += b1[jj] * b2[jj];+ d9 n* t6 W& f) s* V3 J
            }/ _9 Q( d* s) x/ t% v- ^' R
            */- R- n" V3 k/ \! X

3 V$ O& E1 `5 m" D  F3 s             //Method - 4 202s
2 O9 s& L: g, z+ f  P6 z, Q             /*" e. B6 z# V* r8 S; A1 t& E
            for (int jj = 0; jj < N; jj++). O+ Q( F( ]+ ]+ M5 \' t# J
            {
# N% Q  U  b1 K& f" U: g  Y% S
; t. j" t, w. m# E6 y             }
5 [% n" M; n; p9 e0 ?; k  J             */
/ J+ `- G* T1 m             //comment out all methods, N=100000  202s
+ g( E- i$ T  ~       }  A2 a, e. L2 D9 Y- B, ^' G

7 Y- Q4 H/ ?2 M! b$ o% O- }- g       delete []b1;
! P+ t. v6 @/ e       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; c, t" b9 ]0 I, o# 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？8 R! k5 o2 C+ x+ o4 b% s

" Y* R+ Q4 h! I9 M8 I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 M' J, D) j4 k* u4 p; [, V
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、LOL0 ]/ R) r& b- X- ]- f
* y8 K* t9 w) V* _3 C1 N2 ^
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- m' r5 B" e2 T5 Q% ?
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)9 W! k) {3 O1 Q$ h3 h
{$ H5 C$ z. G* L( ]+ u1 m. u
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