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
# o( U0 o, ?" `" E% a! K拉下来？拉多少？
6 S" m0 I& \. N6 t' X+ ?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; U6 ]! S% z: K" ^( ]8 s
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
( t7 M2 k8 s6 N# v7 O1 p: Lvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)0 @9 |1 f+ Q+ ?- E! L
{, _5 A" c0 K6 j, H+ c 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% j! k R8 G# l4 I& }
这个不是这么比的吧。。。
; f3 T5 ~# U: h+ N7 @% ^7 v% a/ 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）。

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
( w4 x% C H. A6 N$ j有道理。
4 W: O2 y: @( X5 ^# M) B. ^" T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) j( R% x5 Z- v: {& L( D! x- K( {
这个不是这么比的吧。。。0 j2 j3 h# n* N! W5 x

" v5 r5 h& E0 M/ H3 E- W& s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& Q% V) T9 q- L/ U, ^* v" ]! J
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+ U+ f1 t" F# T) a4 z: T, h
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$ A0 a! u1 g/ j& 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 04:474 C6 l w, H$ c7 [
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 p* _$ v( b( G5 v& n+ s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);& ~0 @- u, o" R( n& z
      std::vector < float > vec2(N);1 k5 S3 {1 x# ~( j% w  U
      float* b1 = new float[N];
& O$ p; k: i% ?6 q( D; K7 D* E       float* b2 = new float[N];
5 G5 N2 p# I5 X" q  ?' i" c* e0 b* U5 `2 k
      for (int j = 0; j < 6000; j++)( p3 J+ K: L, a4 H) [% r- r2 ~
      {
' j/ C8 E2 I& ~& s  L             std::generate(vec1.begin(), vec1.end(), []() {
8 ~( U, J+ ~$ y; x9 N6 W6 V$ O                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
. W% y/ u! {+ q4 i" _4 a6 x* K                      });7 r, ^. @& f6 P+ z

1 D4 I3 E0 D  |) y3 w# X' }: A- t             std::generate(vec2.begin(), vec2.end(), []() {8 S" ~$ h. i0 E1 R  Z2 v
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;+ T# V7 B* l! ~7 V1 s( T$ y
                     });
9 n& C: M" Y+ d: N; @% [1 |8 f3 _! m& C& o) ~' s
            for (size_t jj = 0; jj < vec1.size(); jj++)
2 |; P# S- a* S5 j& F" i             {( v# z4 d; c* u# f3 ?- N, X9 w6 r  f
                     b1[jj] = vec1[jj];
0 [- K0 A2 A6 g6 ]- V2 z% m             }/ a" ^: S* }$ n; H. p+ R' u1 D: X

3 s+ h1 i- M, d( r. L: d             for (size_t jj = 0; jj < vec2.size(); jj++)
) H" \3 ]7 i) p% ~( ~) @1 q9 P             {
# D0 I+ A' v  G$ G                      b2[jj] = vec2[jj];
4 m' c6 ^0 T3 h% E& ~             }
; }: s# r7 O' U: m, Q
4 w; i9 h) `# B: w             //Method - 1  N=100000 247s  1 g9 G2 {- u4 V% T' P% u
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
- V/ w$ }+ j& Q" Z7 s: W                               , c" |+ T' e+ y% A" o$ \6 t
            //Method - 2  N=100000  237s: Q9 w7 E. g% D
            /*
4 G% K1 }9 O' G             for (int jj = 0; jj < N ; jj++)- x! c" o$ N& H
            {) N  c; @0 l1 j4 S/ T' H/ P9 K
                     fresult += vec1[jj] * vec2[jj];
# n2 z; a( \& B# Q9 F1 Z! d             }: [5 j- T  n2 c
            */" x( T7 _+ V* m1 |

" b* h# r% }- `4 b7 V0 T# J& i             //Method - 3  N=100000 204s
7 h% o9 K3 {# I% L             /*
  P% u# f% u1 r             for (int jj = 0; jj < N; jj++)( ?+ f( N0 K# N2 W* D
            {6 S: z: e1 Y' @: I0 L
                     fresult += b1[jj] * b2[jj];$ b7 z: Z9 d/ c1 O
            }
/ N+ W- T' e2 V9 Z1 d$ {2 t6 P, Z' H             */+ A) Y8 q" e( V, Z- O; _

- d/ m5 f' R: M             //Method - 4 202s1 [' b' X9 e. [' y. F
            /*
/ [- S- B) C' M! r             for (int jj = 0; jj < N; jj++)
0 j$ b) i' Q" a( J, L             {
5 H. O! g6 k$ H! C/ h
: ^" H8 \) @  R' V6 t. i8 _8 d             }% W8 w4 m$ r, Q8 F. m& S" Q$ ]
            */* \/ O3 O: N: P8 @3 {! D$ `
            //comment out all methods, N=100000  202s
* _/ i6 }7 O4 M5 ^       }
. }5 u5 y5 y8 {) }3 Y* F+ u
' K  T, a. k5 n0 K+ p9 a7 ?, K       delete []b1;
  Q/ _+ a: [( p6 D+ [1 M% y  \       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
4 N6 p, y; D7 \1 q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？8 C- o5 ^4 y3 d3 Z- o Y

3 s Z3 O! B+ K0 n6 ]4 ]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 01:161 ^9 v, y+ V% @
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- Q9 Y `) ]8 a7 L8 l
# f1 W8 O' ^7 e, H2 V' |1 \
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
8 v8 C7 u8 M) A. P3 L2 z( A) wvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
# G# n v# `' Q" j{, L; c+ o% J! w
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