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
# l+ W' }4 N% O* m. W. }; Z) T( H; ^拉下来？拉多少？
$ s# e: y* P. G [8 y/ c5 x) x) 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 23:335 z7 y/ L, q' ~& F/ r
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 23:541 L8 x7 X4 c) c6 d* M
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
% w1 @; |+ N% F3 [5 E) w2 D' [{6 E! d- c3 I N6 _% ]& R: B& s$ Z4 r
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& h8 s! ?6 C, L7 m% N9 E: S
这个不是这么比的吧。。。7 E, \7 ?) x( G
/ C9 Z5 U( N% x# g* H
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
/ [8 V' ~8 E/ M$ L6 e+ @有道理。, |- i( v, V1 ^% ?
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 00:208 Z: N2 R+ ?6 Y2 e, t
这个不是这么比的吧。。。
: L! U! a9 h) [. \9 w
! x. [! ]2 t/ q/ b$ M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
. B6 R d; _% u* N3 H7 [5 M( Q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, H) }/ v" q5 K- Y$ ~3 z
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
, n: g& ?& N& f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
7 e, {8 x( q* G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
, e0 b8 C; p# P1 a( C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 i6 P' d" T: R  Z
      std::vector < float > vec2(N);1 l" e0 v6 D2 P0 K& o
      float* b1 = new float[N];$ A1 f* }8 w* p: |/ {! @3 f
      float* b2 = new float[N];
# d) \1 |7 @2 E! z2 x
5 i' I9 ^, [4 _$ q       for (int j = 0; j < 6000; j++)- i% `6 ?. ~0 h' r
      {
& h: z2 F2 \, n6 g) B9 ]             std::generate(vec1.begin(), vec1.end(), []() {
: p% p5 }) M  L8 y                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;$ T1 L9 M. q0 ~* E: Q; L8 O) B
                     });
5 M3 N4 i: H$ l) l! Y1 h
& |9 M4 `# a# A: n' \  e             std::generate(vec2.begin(), vec2.end(), []() {
$ a7 U2 n3 P2 g- {, `; W                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;. W9 U# c5 d" F
                     });7 T7 k/ n$ v+ U% F( g, o  r6 _: E
/ i) Q* U: y* g* N7 u' U" v
            for (size_t jj = 0; jj < vec1.size(); jj++); p: i. H# G4 g' A$ K1 ~" I
            {2 S9 j1 f# H# N0 I! }
                     b1[jj] = vec1[jj];
& x! Z! U3 P  K8 R. u             }
5 i) [2 K! r; m- m2 n) ?
3 r+ g: B0 W. P1 p3 X             for (size_t jj = 0; jj < vec2.size(); jj++)+ X) o- a1 H! s
            {
" a! C0 W0 V, N! X- E; B9 E1 ]( }                      b2[jj] = vec2[jj];3 G0 G0 x, V. C' q) y
            }
) }2 R3 Z+ |9 I
4 W8 ?" q6 G1 y: t, A' E  j' f             //Method - 1  N=100000 247s  + M4 A( \& D$ B+ @
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);: r, j6 }6 z" }0 w* `

- G$ N6 ]8 m" D- R+ T6 _             //Method - 2  N=100000  237s
* T$ _( k# O- W% {( O! }             /*1 F, }; Z6 J' R1 C0 q( L
            for (int jj = 0; jj < N ; jj++)3 n: ^) M- L+ Y# w
            {
3 O" Y" H* @5 F, R$ y                      fresult += vec1[jj] * vec2[jj];
% p  |& T" v8 {4 Q$ w8 B0 P             }4 P: c* B" O9 \
            */0 X, y. A# ^& `  X7 d6 h  l! [* s6 [
                              2 B" q% \1 _$ \4 c. `4 ]  E
            //Method - 3  N=100000 204s$ L* a9 u) G, v( K
            /*
1 g" F; c2 _8 N6 e             for (int jj = 0; jj < N; jj++)
: m: G4 O3 H- W' X2 e5 j: `             {
# F  E) `# J' A+ {6 v8 g8 g3 v                      fresult += b1[jj] * b2[jj];
' ^/ h4 z1 |! a! l* Q             }7 i# @. C& o& q8 j: X1 Z
            */
2 e: ?" T8 A6 O/ V2 \  \2 l( Z; k: K0 {$ @/ r3 ?% v
            //Method - 4 202s0 a% s- x2 |! H, V  o
            /*
9 n0 a9 {0 K2 G/ m             for (int jj = 0; jj < N; jj++)
9 B$ J+ S8 E, O! \             {
2 x6 V- x) {4 K+ T" ~6 l
- y2 f3 z) k) A: L6 i" K: U             }0 _, x2 l. q" A" S$ N# W) o: k
            */
( M" f! k4 R# \- `! j1 r7 u             //comment out all methods, N=100000  202s             - i* ^4 F6 k$ @8 X7 }& o  h- ^
      }. m, d0 ^% W8 V; K9 k

% b* _9 s8 Q; A* F3 E       delete []b1;, ^7 S6 e5 m5 o! d, B0 b! m( r
      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
5 u e# F6 S9 K" [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 e5 j0 c6 H3 |0 `+ c; l) {( i: T- P, T* r3 O6 M
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 D% e8 h! O" w, ?& e$ V6 |. Y; 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
; {3 R$ d8 ]7 z) z3 r0 [5 _, L C7 _! m$ S' ~! P7 ?/ ]
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
5 D2 k( k9 Q9 i6 C% h2 \, |void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
8 W! T- w% {9 q{
5 j) P! S! t- m/ u* E 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