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$ W8 P; f, s7 Q: g
拉下来？拉多少？7 G' ?# S4 `/ y- E2 q* ~
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: i+ X6 q6 P% q+ f- @6 k6 z9 }& ?/ {
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
4 D( t8 @+ ?- y4 rvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
# s+ G9 a5 [$ A0 O& d1 Z{
/ |3 `4 {; R* N7 }& {( D+ c' B1 L 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- A& u O( R7 w4 t0 I/ w4 y
这个不是这么比的吧。。。
& ~3 t5 [1 T% F1 S( ^5 ~) F0 q2 n, C1 G M$ l* W4 f" V
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
+ R- x9 p9 [0 T+ t2 i- _. [* N有道理。! @/ G5 j* Y8 ]" d7 ]+ b
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' n$ L' E/ r' V/ ~# D* v+ z, W" j
这个不是这么比的吧。。。6 l3 B+ m" f. O0 H5 y. Y2 }

J7 S6 y4 I6 o- D3 J |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
. @0 F0 q$ k+ H! }: `# A2 p, l: G, 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
- ~6 A/ T2 V1 H, r1 O8 i% s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
9 c( u6 [ u- @# d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
& p0 |' A2 p3 d2 m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
) r1 S# r- K' I# W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);
4 l5 @, Q( B9 I5 C$ E       std::vector < float > vec2(N);
* H! ?8 W7 f, D5 O5 O7 k* x) N       float* b1 = new float[N];5 C$ q8 f* l7 U* D
      float* b2 = new float[N];
; p% G: `" k" \4 A1 \2 A6 w! v+ ]4 w* V7 s7 I! A3 {3 e4 ~
      for (int j = 0; j < 6000; j++)0 w( w, h4 {+ l" ~) }, h) D0 \
      {
" v2 x! y+ I# j5 O; l             std::generate(vec1.begin(), vec1.end(), []() {* D  Z# [! G! z
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
: E( j7 V$ L1 B3 l                      });
: I3 p3 z+ {) S2 u+ Y- l1 W# Q1 @' E4 l$ p3 i
            std::generate(vec2.begin(), vec2.end(), []() {1 z( ]$ X" h5 W) w! U' M
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;# U- z6 o5 L1 k; q
                     });$ k$ ~% b. O: v) C

8 T( w2 n/ @3 y3 {9 h( r! D# f             for (size_t jj = 0; jj < vec1.size(); jj++)# o8 J* o6 R/ R& P8 Z9 G$ }
            {1 s: s8 I/ a; M& o! g6 t0 B0 u
                     b1[jj] = vec1[jj];) j0 U1 m9 z4 k4 o% a- \' g2 g
            }7 s. A7 ]7 Y8 D# i; \0 }

" y+ U5 d$ ^/ L1 i+ C! R0 X             for (size_t jj = 0; jj < vec2.size(); jj++)$ [( `! y7 r, o
            {
8 g- [# q7 T& F4 I) F# Q# @9 u                      b2[jj] = vec2[jj];
5 ^1 w1 f* g0 j3 c7 j. S8 z# t             }: g2 ~" o3 J7 m. m; y' D! m; _1 T

4 i( P0 l+ R4 f( _; @% G7 T! H             //Method - 1  N=100000 247s    i( W' r# P5 @# k4 n$ f
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
( I% ?6 O  ~9 K( g/ ~                               0 x, P3 j4 M! c  ~4 l* ~
            //Method - 2  N=100000  237s
( V* u9 K/ ]- h             /*
. ]2 k, p% G4 e5 c. _# k             for (int jj = 0; jj < N ; jj++)9 z- W) w( r7 _% g0 k! g
            {
  d* c  o" i7 z" f; ^                      fresult += vec1[jj] * vec2[jj];1 _4 }- ]& {& G, j
            }
; W% y. O  o! T: Y0 F             */& i8 L& ?" J6 Y6 u
                              : Z3 r( a6 R) S2 z
            //Method - 3  N=100000 204s. v) k; T4 y. |- ?; W2 C
            /*
" |9 g  W; A/ o             for (int jj = 0; jj < N; jj++). F5 D# i" j* o' m0 O
            {& I2 M) c$ w% {, I, n) `8 ^
                     fresult += b1[jj] * b2[jj];
( J) E0 r9 M- q+ p% r, ~- L             }9 _& z- z' I* \- G- k6 P
            */
/ s5 X" c  N' [4 C6 I) q8 u5 V# d
8 h" o" R2 m* S4 |             //Method - 4 202s, U: X! k( o( p& h- N
            /*3 b2 `0 p: a0 N& F
            for (int jj = 0; jj < N; jj++)# j; j. z1 F: i! j; P% s
            {
% D' c/ ~+ U/ e9 z$ j# [% B/ S- C
1 s: L4 }+ v, ^; E             }, w/ M1 Q. i+ Z+ w
            */$ R# F  F- {( l4 U- B. N
            //comment out all methods, N=100000  202s
; b( O3 S! b% G( ]- A       }
9 C$ o, U" H9 G- Q& ]) |3 s7 w* v; ^& ~( c4 [
      delete []b1;. s- i! w! ?5 }' `/ 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$ ]0 l. ~4 \; {
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？7 }, y6 o+ d. @% ^1 @/ u6 {
0 Q3 F2 E7 y1 p2 T' {6 f. X# R- i
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
/ r& `" x/ U; |: f8 P& Q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+ x) F! _. L2 D& L* _

% I( {" U8 w; l& [) K. `. t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
! @4 {7 q h& r2 y" [/ A( Jvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)' h: L- T. n1 j9 t* i+ |) F
{
# P+ z! B% d8 Y# _0 f: o! b 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