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 23:045 }& T( n' n& I! {
拉下来？拉多少？
2 i, ~ G1 F" 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
6 M7 a# \: H' \8 MMaybe 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
p$ ~# i! ^6 u* a! e9 R/ @/ Nvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)5 {% j8 H0 o, Q' v* B5 n7 e
{$ o5 b0 |- u+ P" E& \; F6 p
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
* h: v, A5 s$ x* Q: V这个不是这么比的吧。。。' s6 K6 ~; K0 L

* F) t% \0 }1 r. Y. I# A! 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 00:460 R2 S) |; ?* W4 u9 _7 X
有道理。+ i' I. h0 h2 p4 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
* S3 Y; j8 K/ ?- F# o5 ~这个不是这么比的吧。。。
' B( @ q4 Y& l7 k# T
: K: z: {- X1 M+ v" N4 u! U" X# R" 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
4 A3 F( u2 a/ V. [# m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
& [- @8 t4 |! p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 04:474 v% L9 P! ~; h6 \+ p. H p
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 04:472 h/ c* | q% V' }5 _8 m6 ]
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) K; F# N1 f! J8 B$ M" P' X
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);6 A! E4 |' j- M" N, Q' ?7 q3 y
      std::vector < float > vec2(N);" w4 j! v/ Q8 P9 h; `5 r# ?: u1 O
      float* b1 = new float[N];
" U% W3 M- z" a5 L! p% c9 M% _       float* b2 = new float[N];3 A. V9 }" G4 J& K3 w

) b* e. `5 X5 }5 \3 I  E: a$ G& z       for (int j = 0; j < 6000; j++)
! r$ p3 M- K! o: G, e" d       {4 e) X# {  O% J- t# m
            std::generate(vec1.begin(), vec1.end(), []() {" x3 K! e" K3 N/ |1 P, {
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;7 }2 j6 y: e' C
                     });
" \+ w& b7 _4 l# n
3 {. ]/ }. S% Q( ^* Y4 o6 Q1 P/ I             std::generate(vec2.begin(), vec2.end(), []() {, z7 g; I% s. [$ c7 I
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
& Z+ W6 E7 _0 {7 G5 O& j                      });8 e/ L. v6 O& S. A( N
& }" B3 N+ b. }( u
            for (size_t jj = 0; jj < vec1.size(); jj++)5 E) {4 X( b2 \6 v# w
            {# e! b8 ~0 D( [( @: T7 [( A$ w
                     b1[jj] = vec1[jj];& x. q& \: m! ]4 k/ `/ i* T
            }& g4 w: g" W7 C6 j$ B8 A7 |  |
! m8 F+ ~# R$ R1 W5 u  _+ V
            for (size_t jj = 0; jj < vec2.size(); jj++); X' R! M9 g$ {! \  N  @
            {
# w! t* E/ F7 N" W                      b2[jj] = vec2[jj];# v. H2 r" a+ I7 y+ q
            }; w1 t+ f% E0 f5 n8 o% J' M

7 C" G+ n. u; a+ e             //Method - 1  N=100000 247s
$ F" O* M$ N8 d9 k  p; L8 S. f             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
$ q9 i# a" S6 i6 x1 H
/ ]% u6 s) C8 o5 D. N9 s             //Method - 2  N=100000  237s
6 a  p6 C( v! ]8 S             /*6 _1 ^4 Q1 F, |! E: i
            for (int jj = 0; jj < N ; jj++)
* d+ e" |& h* V: V9 Z4 z( ]             {
+ |# B; r% `/ M) j) C: J3 [                      fresult += vec1[jj] * vec2[jj];& l; ?8 w  I- C& @" `/ ~
            }
& `: r' a7 V( L% E( h! V7 D  B             */* d$ i0 u& p0 ?) O! z
                              9 W8 b7 Z' Q# k# S. g
            //Method - 3  N=100000 204s+ ?+ A& z7 b; T( J. ]- Z
            /*3 ^- [: D& c: t: {% s
            for (int jj = 0; jj < N; jj++)
! P  w( C! s6 H) Z* `: [7 c             {0 d  t6 n5 D2 y4 J/ S' ?( M9 z4 ~
                     fresult += b1[jj] * b2[jj];2 r' i+ f+ `* \& L
            }
' u) M( _/ @* ?3 r, @. Z( N             */
9 w% v! g" p5 H1 U2 y( J& n" i" L2 d) t4 H6 F* C8 i2 [$ E) V
            //Method - 4 202s
; T8 e# m1 }# n4 [% i0 ~9 J. V             /*
' f1 U+ ]) r% c             for (int jj = 0; jj < N; jj++)7 A8 K. R4 ?( |# @
            {( }& X. K+ T" g) o! D$ r
                     1 S1 G' E) Y& [+ Y% S6 R# m  Z2 p
            }: M8 |6 U' D1 f8 k
            */
' l% e4 E, s1 t! I             //comment out all methods, N=100000  202s
% X$ z3 D; D5 P, K       }
' Y. \- ]' k& R4 d$ p
3 y$ `' ^: ?. [- t& X1 ~       delete []b1;; Z7 l$ f% ^4 w* H) @- S% F' 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 00:15( _4 e; j/ p0 M" Q2 a
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？
4 P5 N |/ l4 h7 M- r+ k9 D' Q; I! c" n5 G6 H
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
" q, a; l# ~8 Y- W* J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、LOL3 g! o* j. c- \# ^/ F
# E7 q" _( V$ Z/ f& ^) ]
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
3 \; L! N* P p+ d& r- Evoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
( b, X$ _1 ^% S9 y- @2 L4 j9 v{
( d% w( v0 t% ~ 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