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
% Z. A! ?9 j, `( a$ `& z0 v拉下来？拉多少？
7 t/ X5 S) m3 I0 ~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 D, r1 E5 p9 C$ f; g
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% Q" r7 A2 h" J# O, i; ?1 ^ c" r
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
/ X6 b3 f6 K& X4 y7 V6 n) X{
% ~1 a/ \) Z7 n' n) { 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 00:201 W' D; E, E: f F/ L
这个不是这么比的吧。。。
. A! H1 @6 D& s6 N# r8 t9 k$ R7 L L7 w$ z! h
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; @4 b5 j
有道理。
$ b! x2 o' U! A$ C, n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" h1 ]6 E% ]8 `$ K$ s9 B: y R: N" p
这个不是这么比的吧。。。! n3 ]+ K8 e" u- n B) P2 ?

! _4 e7 I3 F1 I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 01:484 |' y$ O/ s4 K6 o& m
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 01:274 M" Y" F8 {+ u
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 04:473 r3 U$ ?) Q* f1 A! ~4 ~7 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 ...

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
7 M0 P6 I/ R' Y* g) h/ Z) c2 n2 }, 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# T( c; y, ~. c* n3 f* _3 H
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);
+ d$ D9 C" }0 m0 F( @0 `8 `9 _       std::vector < float > vec2(N);
0 ]6 n" w8 Z& [. ]" J       float* b1 = new float[N];
' m% @. S4 m7 N# E" o8 K! w       float* b2 = new float[N];
/ S. l  L8 z0 x
  A/ L, w" K- g! l9 I3 a6 }       for (int j = 0; j < 6000; j++)5 J2 t4 L+ C) O5 H" }: I. B
      {& Y7 z4 u; b' p) _/ |- ]: V6 }
            std::generate(vec1.begin(), vec1.end(), []() {
+ S8 e. R, D, P/ k/ \0 _                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;5 S; r' B# w5 B) u
                     });7 k3 i0 ^7 Y  C' X% Z' Y/ {
: _; `/ A# R9 E
            std::generate(vec2.begin(), vec2.end(), []() {# K& _/ A: M2 ^9 |- j
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;: g, o6 R; r) U2 i; Q# {3 Q2 O
                     });4 E/ I" d( B7 a2 F8 \
0 Z- C: p6 m$ y9 I7 B3 \% |3 Y$ R
            for (size_t jj = 0; jj < vec1.size(); jj++)
' I6 p: E2 q3 X8 s             {" F* O7 ~; K4 F+ @! k# O9 O
                     b1[jj] = vec1[jj];
# R% @6 Q9 k$ @' L- B8 q% f& h             }2 B  p0 a! m1 r  d! v1 [/ e

( V* K5 ^: X9 \0 b0 j/ t             for (size_t jj = 0; jj < vec2.size(); jj++)
( |$ Y  b( Q- k* v             {! h& @- A2 K2 Y4 n  e, _
                     b2[jj] = vec2[jj];  E  o" [& J7 A6 i8 V2 S' f
            }
9 z) K6 m- F9 v  T
, U3 z4 @5 s: \4 X8 p             //Method - 1  N=100000 247s
( W" g0 v5 X5 U, @) c             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
$ j7 n; @/ A/ @. l( U& ]
; a1 m' q2 j% B, k$ w  h             //Method - 2  N=100000  237s
3 ~$ a2 g3 a! N* M$ a2 z             /*4 g* g# f) e+ m6 W1 o6 _
            for (int jj = 0; jj < N ; jj++). p4 Y! X9 @. J  s
            {
- _( v; J" b$ ^4 u% p                      fresult += vec1[jj] * vec2[jj];8 w3 u$ n2 R* A! H- @* s
            }* z+ U7 \, p% `, D: i
            */( S% Z, ?: K$ Z
                              0 ^. p0 Y: Z# r( s
            //Method - 3  N=100000 204s
. d$ d4 V5 d' T/ p4 R) q0 m             /** H3 B7 s, m, h$ W) R9 u: g: k
            for (int jj = 0; jj < N; jj++)
- q; T3 M4 ]9 \* b             {! s7 N% i, _( C& O# }" i
                     fresult += b1[jj] * b2[jj];2 |; d$ O, L& s' O5 }: X3 c1 R  z
            }/ L" q* B- w, r; ]) q( O
            */
7 D4 a: Q: D- z* T& y4 r# [0 Q3 _# v7 F& M
            //Method - 4 202s$ s5 |: ]7 F; I* L1 Z& z
            /*
( D1 U. N0 S% e* f% g& S+ X             for (int jj = 0; jj < N; jj++)
( T' Y0 J; z5 h# }" f1 V             {
5 j! {# `" ~0 Y
0 U5 Q6 m  A6 h/ W# Y4 j: k             }7 y% r  D, _1 M' V& p5 x5 B
            */: v* u- W* O$ ?5 n% @1 k) \2 M
            //comment out all methods, N=100000  202s             * J% F# X8 Q) ]/ Y/ y2 h5 G4 N
      }* y+ P4 h6 j6 F$ D1 H  Y/ H% S

! S8 q2 c4 c! y: v% v& e       delete []b1;
1 L% t+ I8 r, r, D; _       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+ C0 h: i' n# [' v
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？
+ ?* U V( q* T! }
2 ]+ q, e, V$ e0 d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
, A: L" y- W7 p1 W9 ~( U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、LOL9 `+ r* d1 N0 g* r6 @- H2 a0 u3 o
% k3 X2 g1 W2 U0 Q: C. u1 b
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
* J6 ~% G5 a1 D# X4 G: x& Uvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
! Y+ U. W$ `0 z: x0 @{2 {2 Z8 ^2 U: ?2 @! ?# C t" S, n
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