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. d6 u3 l1 V9 |& f8 Z
拉下来？拉多少？8 B. u; m, g: B d# Z4 m- w, r
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# r- q5 Q; p8 D5 X; \- q. e
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$ x3 |1 j' v! m) Z! \
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)) }+ I1 |0 D$ r6 T% C. y! b* K) l
{
, k Z0 ]. I. ] 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+ _# v- P! ? Y, k: W7 v这个不是这么比的吧。。。
. k; w {) Y1 i8 T
' C8 U, _' u$ m) U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: y9 _3 n0 j" t+ |; P
有道理。
5 O% @. X7 |, |1 ~, g% `, i$ a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 E. G8 v5 {) P$ o8 T0 n* F
这个不是这么比的吧。。。# y: Z# q |- ~! J

9 G+ f. E2 A% W, [6 @& P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
- _, U) j; N/ v7 H0 g" Q& m8 k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$ T2 W# H( A# U1 L `% @' l/ V
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
0 Y5 c6 U; e( `" B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
1 M. P H( C' e8 E% `8 C3 C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
/ O! Q7 ?! c1 ], k k9 H" l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);# B( K! _( Z. X6 G! \9 s
      std::vector < float > vec2(N);$ E. |3 ?$ B4 j, j  d+ F  z
      float* b1 = new float[N];
' }. e0 }8 V$ m$ F       float* b2 = new float[N];, e1 S7 }0 r( u' |
# E; @8 {7 D- O  W' a7 L
      for (int j = 0; j < 6000; j++)8 s' o( b1 I1 h# v  z
      {
7 ~1 i" F# n  ?  A             std::generate(vec1.begin(), vec1.end(), []() {" i+ F: z" A8 h& U  j3 e
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
8 i2 }1 Q: s. d                      });
( ^; A; \7 C: _6 M/ u1 z- y
$ T( D: T4 r3 a; Y% t, r             std::generate(vec2.begin(), vec2.end(), []() {+ G- E5 r) F+ s* {
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;, W5 b, ^2 u! m6 y- ]- e; O4 I0 {, g
                     });" f; ?- x% _0 \1 `7 ^; u! v0 |% V
0 Q  Y9 E5 L) o! x
            for (size_t jj = 0; jj < vec1.size(); jj++)6 `+ c3 a2 c4 Y, I( t
            {- Z' t" e) ?# T4 Z0 l! s6 ?* o/ D
                     b1[jj] = vec1[jj];
4 i9 C& l5 U  T4 M             }
" g! H& j: ?0 Y, c) Q1 a/ C3 k/ ?  x+ d1 F
            for (size_t jj = 0; jj < vec2.size(); jj++)0 }9 h9 |, f3 Q6 q! }
            {1 A& j! f7 }$ a$ N- ?
                     b2[jj] = vec2[jj];1 e  X' k. N# B" e6 ]
            }2 C7 k1 p9 i- Y! c/ J" v4 z- z
2 g' R- d8 n2 l
            //Method - 1  N=100000 247s
! }4 E# o2 ^8 d1 a: V2 G             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);+ f, i3 l6 x, T
                              : _, i- x0 V6 W$ |" q& G+ T
            //Method - 2  N=100000  237s" S0 t) I! n5 B% _( x! R
            /*
. X/ ^. l% s) b             for (int jj = 0; jj < N ; jj++)
2 [& Z: i8 a) l6 ~             {/ s/ `$ s" l' t+ @
                     fresult += vec1[jj] * vec2[jj];
& K4 u4 G$ D5 A6 M# S4 G% F- j7 Z             }" q0 e/ [# i. Y% _% {" D6 G
            */
5 l3 {7 h* b  N4 E                               0 Y* H9 ^8 z" ^5 G1 v
            //Method - 3  N=100000 204s
/ X: O# S/ I3 Q: n; B             /*
2 l( z8 M4 c) g             for (int jj = 0; jj < N; jj++); H* I, c! ^8 k: n( _  q
            {
3 B1 N) ^& S& N                      fresult += b1[jj] * b2[jj];
3 m4 Q  r" K. p6 A+ h# F             }
+ C/ s3 D5 [0 q+ P% `$ c             */! w! ~/ Q1 i% H/ ]% v

, R9 G1 W, P- A* n             //Method - 4 202s5 j0 e6 N: b: f1 v
            /*! |% X# h% V( b3 x
            for (int jj = 0; jj < N; jj++)  y1 T$ C/ R6 ?8 j% h# e
            {
& w$ R, I5 K6 l  |3 ~
6 I8 q7 S- P9 W$ U$ ?2 c$ E5 f* ^             }
) K; z! l9 M" E4 a% [# B. c  @             */4 w: ~! H4 F+ r0 X
            //comment out all methods, N=100000  202s             , L) d) o8 A+ N* b( X5 b. }
      }
$ q( s) @' I- S. F* {$ C) w4 }- \; s4 R/ a
      delete []b1;% c, K9 a. K- z) o& u
      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
& I. Q' a1 |3 V( u. g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 |8 V# q% H2 m9 ^0 h7 L
7 B6 J5 q. h- V8 o0 b, z, J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) c: m7 o1 v# Q' c* e S
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' h1 R* z! i2 G4 j6 s% ]3 x; h2 ^9 b
+ G, ]5 H; L+ e- ]; {; f9 v. e
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 23:547 x7 S4 D% C- S2 ^: H, M1 I5 `; N
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)/ x" n& v0 O9 e! G6 a
{ M% w- @ L4 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