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
7 ^/ c9 ]! M8 m" d. Z {拉下来？拉多少？
b# c8 d6 {& F6 ]9 h- P3 `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 23:335 G- m) \$ U0 ~* k5 }2 o
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
' k# Z1 i# e% o2 Y& Ovoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)3 |! i! w7 g1 f) z7 ]; [2 i
{0 h! U1 K5 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 00:20- k) j' T$ v7 y; `  S3 ^0 b; ?
这个不是这么比的吧。。。
/ I$ A  V5 ~4 |; O: `% }/ s0 N
7 I: S* m  `2 M) m$ G, 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）。

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$ C# n5 P3 _1 h- A/ F9 _
有道理。1 r5 P2 c5 _* 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
% x3 X$ h" Y3 D7 E这个不是这么比的吧。。。1 t& Q. S1 {/ s" @' ~
0 p' U8 |7 N5 s+ V& b
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* Z+ X2 B( p% `& i6 R( M5 u. z& @
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
% A, M( M# G( z( y1 D" K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
2 R8 p3 L, t7 n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
: E4 e; N7 Z. |2 V' m) k8 N& F/ 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
, b" G" |" s/ w7 q3 t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);- p* z1 \; O( r6 x0 X
      std::vector < float > vec2(N);
# X5 q" u! S4 t" b) A; P4 O+ C, z9 L       float* b1 = new float[N];% ~+ _+ r  Q; z5 v# u8 o
      float* b2 = new float[N];
$ y8 m) ^" r( E% Z3 \& j# h$ n
6 l$ O& S" |; ]! {       for (int j = 0; j < 6000; j++)
7 O9 h7 @9 N- h2 T2 b/ @       {% n- D3 W% e. c9 i3 h+ }$ `
            std::generate(vec1.begin(), vec1.end(), []() {
# Z) B, W4 }# g- r                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
. i- H* i& G# i6 n- N# K; f, R                      });! J( t) \+ v& f# \! \
- [8 C% t& w4 u5 p4 J) ^1 Z
            std::generate(vec2.begin(), vec2.end(), []() {
& V' p+ z- g% T: R3 R                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
8 |4 J: x2 H; j( y2 a                      });$ l2 K8 }" o( ?. M' z$ S1 c+ w

: s( G- z/ B6 t8 L! c. T$ ?             for (size_t jj = 0; jj < vec1.size(); jj++)8 z* L+ A6 y, _) \& Y
            {# s& P# k0 O3 C1 f' J
                     b1[jj] = vec1[jj];
8 v8 M3 _; U( D: a             }/ k2 S9 `4 $ I2 {% ~1 \3 _

+ x* a/ k: D5 K' y; H4 o! r             for (size_t jj = 0; jj < vec2.size(); jj++)
; K8 q. t# h8 e. X0 Q2 Z             {
5 `0 g$ r9 u' }" n3 L                      b2[jj] = vec2[jj];
9 p$ S! s! P% a0 s- t3 }0 B             }
+ C/ L7 S# ~, W8 [) g. y0 ~3 O9 `% [1 w4 ]% {9 b
            //Method - 1  N=100000 247s
8 j! G7 E6 f5 }9 h# V' X             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);3 D, c8 M! J6 b3 E. N: w

7 P- b0 ~0 {0 m7 n             //Method - 2  N=100000  237s; I" l# t0 a/ ~( V( K
            /*
/ Y. D) g: I. T; |, i             for (int jj = 0; jj < N ; jj++)) g( b4 p' f, A  J' w) I8 M1 v
            {6 e" Q5 g) u& q! G7 i: }9 v  V! x
                     fresult += vec1[jj] * vec2[jj];
8 N1 a. `1 E5 f4 M  p1 g             }% S2 $ S) Y2 [' C+ G
            */
: \' Q9 \9 L: d, d/ o% l$ L                               8 r) o- |! k& K& o$ N  K' H
            //Method - 3  N=100000 204s, r$ g2 ]6 ?2 I6 G! {9 z
            /*
( x- Y. T! Y9 G+ o% J4 p             for (int jj = 0; jj < N; jj++)
- w7 y+ a! l' D$ Y; O7 m2 ]             {- k  Y4 {. g; z% W3 A
                     fresult += b1[jj] * b2[jj];2 Q0 c/ m4 s1 g1 \
            }+ H0 L( y, ?2 ^5 M
            */
" h6 n1 Z1 c3 R6 i" F8 t# j3 k4 g% G. ~9 p& V7 @
            //Method - 4 202s
( t0 G1 V4 b: c/ T. Y. B             /*
; U2 i; J0 t& z             for (int jj = 0; jj < N; jj++)
; [/ R/ L- ?' d: f/ X7 z3 q             {8 k# k- _3 K1 W% W
                        A: ^$ E/ j2 O4 d
            }3 F- U0 q0 d$ Z, v
            */
- |2 z- l8 }* w             //comment out all methods, N=100000  202s
. k3 w1 U( T, t. M1 V' f$ M       }
) |  Q$ J9 j5 c: R6 F* z2 d' i7 F- y' g5 n# V) X3 i
      delete []b1;3 U  |/ y0 h1 T! {$ f
      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
" K y( Z. X; F0 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？
" U( K5 r" g% [
+ @" `/ K3 Z6 _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
/ h1 R0 n# U1 k8 Z7 i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
a) h. P. J0 l. I! |* p8 }- R8 v% S% [1 N; A y6 M
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# P% Z* ?1 k9 {
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
" k0 M3 S" n P' A7 {{
5 D9 M, D6 q0 t+ M 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

浏览过的版块