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
9 I# A0 m5 ~% s. H2 m$ X( q, J+ V1 O拉下来？拉多少？) j9 w2 b/ `. ~- e( A
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
3 T. r- X" Y5 _& b+ v/ M' ]. NMaybe 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
' Y8 Q8 h1 F- M# e1 {void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
o9 X! O) i, N9 b2 N7 ^4 k{
# ]# C! D/ `6 l' C) H 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
% q. i5 T+ f% c, W( ~$ m这个不是这么比的吧。。。. L4 {6 L$ S9 G! g" `6 e
3 l' t4 E4 ?- V: Z/ h& w8 `% b, l
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
% F1 }5 ~8 }) \! g* F; @有道理。, P! Q- M' K7 {$ P/ I4 U
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
) m) ^: n! S) b& l这个不是这么比的吧。。。7 n; v2 F/ ?4 J3 P

+ T7 Y3 b& R3 `0 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）。

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
7 X3 q% X$ ]( @) {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
1 L# }! N" U7 h- U5 E% x: R# r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
! D6 h) ]6 X& j) V0 h3 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 ...

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 04:471 ]4 f+ f; D |0 Y) H, o, L/ r
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
2 Z. ~- ^$ `3 k3 ^, o+ [7 a2 ?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 K' w3 u% `* _0 N6 m       std::vector < float > vec2(N);, ~; V- d2 P1 o  s5 b2 D+ S
      float* b1 = new float[N];, v) X3 h/ |0 W# b
      float* b2 = new float[N];% q1 E. |9 A. k1 E7 h
" ~- j7 ~+ u' H; v
      for (int j = 0; j < 6000; j++)/ P& s& g  z( r* R7 h7 j7 B
      {
/ _0 G$ V9 A1 L. [( W, @             std::generate(vec1.begin(), vec1.end(), []() {- w. _: b& @% v9 e
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
# E% a3 \) j  V) F6 m* s                      });
2 C' a) C  n$ E' V) P+ Z- y" C" t* X, u3 ~$ o! [
            std::generate(vec2.begin(), vec2.end(), []() {! x2 [, Y  r$ f, B9 a; F( r
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
+ }2 x  M2 H9 U5 w, w! L! H                      });6 R' b' {  [& T0 F  C& G7 J/ ~

' u3 Q+ r3 s' y             for (size_t jj = 0; jj < vec1.size(); jj++)- c% n- x5 p3 f4 R
            {2 ~/ C4 ^# F" ~: _1 g2 ]2 P
                     b1[jj] = vec1[jj];2 J" Z+ I) K& F. g& g- ]
            }6 ~4 Z* R* i- T+ s  `7 v: {
; k$ a. q# |! y
            for (size_t jj = 0; jj < vec2.size(); jj++); ]/ L3 H/ k" [2 Q  \- n
            {$ r3 W  y) J: Z
                     b2[jj] = vec2[jj];
5 N3 z' b4 p( L9 U0 _4 l* d             }% C0 ]5 U7 e+ @1 j: A5 b' q3 y
" o2 H! y5 t7 P! D2 ]$ g
            //Method - 1  N=100000 247s  ) w: U, n" U6 W# u+ w
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);; k! q0 X( a* E) ^$ G0 k2 i2 E' Y0 c

( F2 {2 \+ o/ |  N             //Method - 2  N=100000  237s
; D. E4 @2 J; P5 ~  y             /*8 p" M5 c2 S; @) p9 A! D8 l7 f
            for (int jj = 0; jj < N ; jj++)
8 m4 K! n! ~6 r/ X& A             {  r- h2 y* h4 O$ y; q; p6 |
                     fresult += vec1[jj] * vec2[jj];6 M0 i3 y  N: X" `
            }
9 N# n  e. f% o) j             */
! ]1 Z. X6 X# T9 V
/ O3 A8 m* k. W& L             //Method - 3  N=100000 204s, O$ l0 V7 r5 r) k8 s
            /*3 F1 x% z# a; Q
            for (int jj = 0; jj < N; jj++)1 ?6 B4 \+ e5 G* `
            {
0 [; E/ N1 U  U" J  N                      fresult += b1[jj] * b2[jj];
, N# g6 E, k; P9 i/ f9 B5 ^8 t             }9 ~5 ], Q% b. M0 \# P, u$ j, @+ J7 D
            */
1 q# `: f8 a' j; G
% R7 V# k* O; l             //Method - 4 202s/ N' m. O7 j2 m
            /*
* L5 g" w0 w( o/ |4 m  @$ x7 u             for (int jj = 0; jj < N; jj++)
4 F. r6 o2 w6 V- t  F6 s             {& r6 a: h- L% U2 p
                     " t$ k% v* C# W( l" x
            }
( z6 W7 {) R" B/ C! W" d; Q9 s             */
/ v) k3 K4 s# j* O, ?9 ?" y             //comment out all methods, N=100000  202s             , T% H, t" y+ T2 ~% e  o- v* X
      }
6 N" I% p1 y: V8 ~8 q/ Z3 ^
" h7 W! Z: S' e" v       delete []b1;" X& F" @4 q* s* \
      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
; P3 l( q, C2 f9 n% c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？
) b% z' d k( a, J/ f+ Q- Q s5 }: S, y1 }: K
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; t: H. S! O' C# r
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 J) c" F* b$ p; e3 T8 Y8 D2 t, t2 H
0 d2 P" b/ G& k8 _, c1 L! L
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
6 J6 {! @$ v& zvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
- g8 A A1 S. Y( t& o9 S0 Z5 B{/ ]4 M8 u9 \. [# r0 e ~4 @; ?
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