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" D- {3 n0 n ?% p( L( X
拉下来？拉多少？
8 W% ~0 V7 M0 M5 P& 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 23:331 B) u1 Q f# l% M# y- t
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
* G* y/ E% c9 Hvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)6 A9 p6 C. W. L1 E0 ~ v- F
{4 y9 z$ G1 c. [% K; i0 m. B v( G
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, l2 {, s6 G4 V2 |
这个不是这么比的吧。。。
9 `1 v. w% k0 \8 v0 _3 R5 N+ @" ^4 @* f/ U3 Z& {
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+ r8 e: q3 F5 i. n. {5 Z% }
有道理。
4 u" Z/ e* f; }! Y+ @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; l+ J9 t, F X3 e* G0 X( ~
这个不是这么比的吧。。。
* r+ o; u7 @3 M# R* o& u- Q7 D
9 W$ |9 M# V& E- x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 01:485 T4 @4 w9 F$ U$ j8 `
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 01:272 Q, E6 `( h7 s+ Y: M! n7 E
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
z- c! _* d+ l6 D* k5 I \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 04:473 T+ V/ D+ J, d1 \& X$ I
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" |8 u0 U$ s/ u7 W& }9 N
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 [! Y8 `9 \8 z3 @3 a       std::vector < float > vec2(N);' X/ Z8 `1 J% L" N
      float* b1 = new float[N];
  @- N7 U, C5 u* T6 i5 w       float* b2 = new float[N];- D4 k2 i" Q# h2 e
' C1 v3 ]  l8 W% J! k3 |' |# C
      for (int j = 0; j < 6000; j++)
5 c. j: {8 B6 F* H4 ^       {6 H) l! E3 a1 j. q% F. W% T
            std::generate(vec1.begin(), vec1.end(), []() {8 Y+ a  E6 k" |! D' ]5 f, v
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
7 J1 ~* O+ f5 n8 {. x- u                      });1 K# k9 ]) O: a& k' ^5 c

: G, n/ U$ {0 a4 U. O3 N* W. _             std::generate(vec2.begin(), vec2.end(), []() {
% s1 j6 b( g- q0 n                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;9 x6 A  l2 T/ b% J+ v  k6 N
                     });
- O9 b( k5 Y5 s; R/ b2 u0 p. b, m# c6 \1 g  n. l
            for (size_t jj = 0; jj < vec1.size(); jj++)
$ i  T+ R+ K$ Y( d             {
2 `- Z* M6 Z5 s                      b1[jj] = vec1[jj];/ Y4 ^# a1 i+ M1 e9 J
            }
. O1 N; |# U  m8 h6 t% J
- @9 A+ W% W; c* u) L  Z+ h' {             for (size_t jj = 0; jj < vec2.size(); jj++)! h( @$ s$ s# x4 M
            {! R" Q2 o$ y) T8 l
                     b2[jj] = vec2[jj];9 t- e5 h* _# t
            }' X# w& c- B& H6 t* {, L

. [9 S7 n5 W3 v, C  x8 h             //Method - 1  N=100000 247s
! A1 m2 U. v* P4 c! S             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
+ U2 T) e' t- d, i; h% X) B2 h                               9 y" U3 n0 _& @6 Q
            //Method - 2  N=100000  237s
2 E; i' ^2 n& Z6 M) j             /*
) G% g# N( c# N& K- D% e9 m8 g             for (int jj = 0; jj < N ; jj++)
4 @' K- }% u/ e/ y             {
3 Z( _) O% d" l                      fresult += vec1[jj] * vec2[jj];
/ G/ Z* }: d: \6 P2 y             }
1 j: Q* @1 S: q' ^" }* C. T             */% K4 E; S4 W/ z; T2 z# b6 I
                              & p9 P4 W4 ^& x5 D  X- @* \% [, R
            //Method - 3  N=100000 204s- `5 G% @/ T2 {9 P. o
            /*% I) U: o, m5 P6 I" K4 [8 R
            for (int jj = 0; jj < N; jj++)1 G) m4 ]: `3 X2 f# @
            {8 s- m  q: t; a& T+ A; s8 K+ f& I
                     fresult += b1[jj] * b2[jj];3 l, m8 J# l3 }4 k! I3 a
            }
. i2 g; v1 \9 t& Q- _& _, ~             */
4 B. t* [2 N, V$ `5 g1 y) o. h5 G  c; ]* U' M4 R
            //Method - 4 202s
- J* q3 A+ V9 a% a5 K3 _# F8 U             /*5 E  ^' Z7 }9 l( X& A6 n
            for (int jj = 0; jj < N; jj++)5 ^& O4 N  N# c* b3 |
            {6 b) Q1 e  n; T, Q$ r

. o& O$ b& ]5 i             }
9 Q, R" \/ |9 W( j* y             */4 w/ g: k; l+ W
            //comment out all methods, N=100000  202s
. F6 r5 @' F! i+ ^% {       }
# M+ u$ f8 x& C
3 T. |5 K4 w) L6 H6 W( ?7 V  |       delete []b1;
# a! F2 X& {, G# e/ A" [& E/ E9 v       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
+ @& y; s2 w. H* b8 j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？
6 V( C( h) o6 i$ O
: g; a0 i) @1 U: Y! [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
" ?! ^0 E- ?3 ~# I9 ?: [" J7 p5 l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
' I/ C" u# S' D
: m7 X- v( S1 _# `2 @6 J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$ r- ?* y" a, y# [- ?/ `8 B6 Y/ h
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
! Q7 X; _; `8 X+ Q5 a{; W5 M6 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