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
* r0 Z% d* F& V( W8 x1 z拉下来？拉多少？
; _3 d7 W2 K2 }1 T3 ?; P2 r0 P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) s1 O" G" R* N
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% b% I* q% t) E8 S- i0 R3 e
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)9 f+ Y6 M2 q8 V+ t x8 N# W
{
* R/ i3 M% d$ u T" { 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/ d0 [) c4 p" |: g8 |1 g
这个不是这么比的吧。。。
8 [3 G& ~! U: @" c; ^% h z* E( q9 t3 _! y" j; z R' V7 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- D; H: B% t* X) A0 g
有道理。* p+ f3 X4 h8 I/ T" o( Z3 N
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/ D; A+ { v, K5 W; p. ^3 [
这个不是这么比的吧。。。0 W+ @% b. x. l8 B8 l6 ?

3 F; _5 o( i9 r: ~3 D& 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）。

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
8 V2 J3 Z$ w) m5 c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 01:275 ^# S' }3 ?4 ^( Z$ @- j" l9 n3 t
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; M+ o1 S8 v0 s- 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 04:47( u+ u0 Q* I9 r0 @, |; Q
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; W9 \8 ?" l5 b( {& y3 m. L8 b
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 ?& y; R8 g4 Z! S: E% f$ s
      std::vector < float > vec2(N);( d# t2 p- F$ P+ ]( c
      float* b1 = new float[N];( C7 A! ^$ i2 ~0 _5 L- t
      float* b2 = new float[N];" C) G$ w" w/ L) e' t
. e/ `" {" G3 X9 U
      for (int j = 0; j < 6000; j++)
4 r4 U  w9 z$ F9 Y) ~       {# Y9 U' b& w$ _- T. U' I
            std::generate(vec1.begin(), vec1.end(), []() {& W/ ^* g, L: F' P0 x+ X% E
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;1 C3 \; M, d- i, E
                     });
  l" e: d# C6 \
  Q. W( J. m" Z& q& c8 v' F+ c             std::generate(vec2.begin(), vec2.end(), []() {5 r" D6 J, O, ^
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
  x! g* z3 _) }/ [+ T                      });
, v; I. a$ L$ a+ d3 A/ n
8 W9 [  [9 ~% [% }             for (size_t jj = 0; jj < vec1.size(); jj++)* M' S( C! o+ I! {  M* r! N3 R8 ]- Z
            {( Y) D, Q$ \! W. G, X  p" p
                     b1[jj] = vec1[jj];
) }' j1 ]$ B+ g9 r+ a             }
7 C, I- [8 N6 c  K/ s5 L- Y2 s: ?% c) z8 ~% ]2 x- l, ]
            for (size_t jj = 0; jj < vec2.size(); jj++)1 x. N' d1 _7 j* |) u
            {1 P/ B3 Z5 [9 Z+ c3 a) x% p% F
                     b2[jj] = vec2[jj];
+ b$ u5 \' C8 W2 K: ^! r             }( K5 b9 t5 z1 K# z0 b% {
" j: i5 L" G2 k. n- x. H
            //Method - 1  N=100000 247s  - [2 _) a% ]0 [
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
  \- A+ i3 V- R& w                               5 ~& ]  X' O7 R4 Y* x
            //Method - 2  N=100000  237s
, q% I& V6 C0 I2 K( A9 x             /*
) Z0 T8 d) P* h( x. w             for (int jj = 0; jj < N ; jj++)
1 S4 D& y, R7 g8 M! _4 v+ A% E             {
0 G. R4 E3 Z( ?% e                      fresult += vec1[jj] * vec2[jj];
9 M# k3 D% A3 v- t2 P1 s2 x6 _             }/ Y8 \" s" r, W# \# i2 R6 x' u  D( l
            */
* R- C+ Y, n7 }: h  _# D                               # h! l; b* R$ {# |* L# ~, S# a* l
            //Method - 3  N=100000 204s& q& z* D+ K; D/ X: p: A1 D; R
            /*
# [6 l' ~% ^8 R, n             for (int jj = 0; jj < N; jj++)
' [, d3 j  t* e0 e             {
) I, R" ^( ~  |1 ~                      fresult += b1[jj] * b2[jj];; J* J2 f4 B5 S) `
            }9 n% J* W, J1 I% ~
            */; Z  b' H$ Z# W8 R8 {5 F2 |

9 M, k( c& K# d             //Method - 4 202s% B; d) A5 S, ?5 Q) S, ?
            /*4 G. }8 P; c5 n/ O- d7 J4 o
            for (int jj = 0; jj < N; jj++)
9 t7 B: x0 K) {2 f, o             {
- \8 f1 C+ X9 J                      ! L' T1 ^( M: S. a
            }( B) U3 Z7 ?; o/ o/ e# \
            */! J% \& v% C/ i- Y
            //comment out all methods, N=100000  202s
& T, A' ?0 o& ], O0 ~5 ^       }
+ l; P$ M( L# C! E
! ]0 m" u2 Z+ F8 G       delete []b1;- {, Z( a4 X5 K: C
      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 00:156 a4 L: f$ z) c$ P+ }9 c" N5 P
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？
& L6 `9 @$ ?8 N r% Y# D) Y( D& C; r9 B
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
% C5 a* r2 n' m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
7 o3 y8 F5 ~( H) X
7 }) w ?, k: [# a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# }: E, @8 ]2 l8 F% Z
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)% L' A) T, @1 k9 h# r' `5 B! q
{) A; a5 e* ]9 o( |; m# y
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