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
$ s5 N5 y, d5 `拉下来？拉多少？
% i! u' k; d4 r W" `4 x- Y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
1 A# u( P& k" F6 _$ |& W% q$ U3 gMaybe 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
5 I+ h6 K% _# U n" C' m- Svoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)) e3 V. O8 H) ^6 T" L+ h
{" k8 o# B/ G# W+ F7 \0 R6 T# g1 U! }& a
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
, |/ E+ J" |8 m7 D6 @+ W这个不是这么比的吧。。。
$ Y9 W' v: W' s' v! i$ P
p: u) G! Z# G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; j* E# Y/ G6 d$ `
有道理。, r0 t4 B& l$ t m8 t5 @
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 00:205 L- Z6 m9 Z) b( g) Y$ |1 |3 a
这个不是这么比的吧。。。5 a A8 i* g. c
4 o, p% N. P2 c/ F" F- ~
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 01:484 K' Q: @8 P! G" O4 t
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. {! \7 v O. [- M+ A
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 04:472 M. s% l. K% B7 c
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: L: T; i* l) b0 x
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; A, F; _; W2 ]0 ^
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);
& @% R- T  F. s) i9 `       std::vector < float > vec2(N);% Y3 A6 U: C5 ^, E
      float* b1 = new float[N];  e5 d" H+ k8 }7 {5 B/ `; K
      float* b2 = new float[N];" i; D0 U! c! g) S  R* w0 i

- t; |/ D! z2 ?* i8 Z5 F; I) m: i* n; j       for (int j = 0; j < 6000; j++)
. J1 B: p! |9 T/ L* K0 ]6 c7 ^       {
, i! S- U: t7 K; h& t             std::generate(vec1.begin(), vec1.end(), []() {
/ \' R+ p( M4 k1 u9 t4 a                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;6 T3 l% m2 J% f: Z
                     });
0 t; ~7 Y7 a0 R6 _! Q
5 S+ @, [1 w& U6 W6 h2 o9 b" N% @             std::generate(vec2.begin(), vec2.end(), []() {& ~0 [% S/ k, q3 S9 o
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;7 i8 l/ b$ B! r! Z+ z
                     });3 w6 e6 T: O8 @

/ Q  Y$ n! X/ q8 J7 ^& r             for (size_t jj = 0; jj < vec1.size(); jj++)( f- u# a4 U! ~) x/ r  n
            {
( J* R9 e  I) l# ^4 h# ~' Y0 L                      b1[jj] = vec1[jj];
6 G' C2 D7 ?8 G$ c5 G2 p, j; d             }: `* S1 Q% M8 q: g5 N4 X
1 c( T$ a& c, ~
            for (size_t jj = 0; jj < vec2.size(); jj++)* g4 a- k/ _5 H
            {- F/ m' N6 x; }! c: ]
                     b2[jj] = vec2[jj];
. v& f  T; v: w) {/ y' t             }+ b: n& _& E1 y
% Z+ c1 B" ?, R" A  ]" K) a
            //Method - 1  N=100000 247s  " ]& n. \* `1 |
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
' O6 {0 f% M) e  k2 u9 w+ x0 T
; ?' q8 y7 ]2 `8 N6 r  h$ E             //Method - 2  N=100000  237s
" z9 C4 ], S8 w8 T. j; g8 w- D* n             /*
; B3 E3 }  @7 Y4 C% G; i             for (int jj = 0; jj < N ; jj++)
/ B: j+ p2 p5 K% d; f; }             {5 k$ h7 m+ [$ w$ N& |+ e/ `( r5 ]: X
                     fresult += vec1[jj] * vec2[jj];
. f0 s7 q1 s7 L' Z4 e             }
$ C9 B8 B0 b+ |6 }  q             */9 E4 d: r1 t; I8 r( G4 ^. [! R
                              2 t+ g" |6 D/ Q
            //Method - 3  N=100000 204s
  K  _8 S6 u4 A             /*$ {6 Z0 D; o) `- W* m6 Y7 K
            for (int jj = 0; jj < N; jj++)5 ~3 q7 Y/ @0 f$ o' y
            {* W2 k: ^- l, L$ k
                     fresult += b1[jj] * b2[jj];& Z  N9 v9 v/ `2 n* R  C# q* k
            }. ^/ W$ q* Q# u. e2 }
            */
2 _! b4 u& S% d* p/ o
/ c% B) e5 t7 M9 u, P7 v             //Method - 4 202s
) [: f" ~  i  E) o             /*9 A2 M$ {9 j+ U% L  {  M4 u- P
            for (int jj = 0; jj < N; jj++)
" d0 K& f5 W/ f             {8 `4 P9 k) I7 @4 I

* E4 u- f) I- b% M, i8 K             }  P/ r1 S" W& e# X) A3 @
            */
1 u2 f. F2 O. W& }( r4 S7 p             //comment out all methods, N=100000  202s             : y# Z& J- B2 c5 ?" f2 d
      }
% x* G, C" v! F, L0 C) G" X) P( h% ^
      delete []b1;
9 D( }+ V8 q4 g4 F( i* Z       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
/ B) e: c: v$ x9 W# Y7 z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？
! i" n5 z. n) f% Q8 ]* T4 Y I' R* w: e
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
. \7 g" f4 Z/ w9 P5 {$ _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、LOL1 v/ [% S1 s7 B% N# R

8 m: H) ^% X3 H) d8 C! \( B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
) }7 q$ R! R6 g6 Q1 k- y' u6 Y/ Pvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
5 ^3 V- h" H- v/ t0 p{" z7 F: ]+ D" N: W+ N) e* 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