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
: |. @# m1 e$ M+ r! J9 P! c拉下来？拉多少？" L( ]. v) `: m
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
3 B6 K7 b) A/ q) l% _+ f# N5 u0 [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) Y. |! ~" b4 y( O# q
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)# Z R/ \1 R" h/ p
{
4 ?- ~. h8 Z p4 w2 A" z7 F 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
p( n- z3 L( u* S* C5 K; T7 ^2 b这个不是这么比的吧。。。( p$ f @& v4 E* F1 |

8 b3 N. G: X; @4 r/ y* C) s, b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' N: O- L! l/ E7 {, u2 _
有道理。
3 x- I& E: }1 f& r1 A* q @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 00:209 ^6 D9 P/ q, F" X0 Z7 x9 E1 d
这个不是这么比的吧。。。: \$ Q9 G7 `: ~! ?( b) c* e

9 j, e3 i8 P1 L9 w) |2 L$ u# o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
# w4 T1 D8 o8 H$ i$ e( A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 01:276 v) x4 l6 U. E) c$ x6 c6 F' Q% E
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 04:470 D- u% m! s- A+ L' 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* i; C7 B' B: f3 M6 \3 i
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 d: ^, y; W) M( t) u3 e# v
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 o! g8 `) e! l# z
      std::vector < float > vec2(N);- b. j  o6 @9 [' o: Y6 b6 C
      float* b1 = new float[N];
) u# h' }3 F( g) D3 k/ U+ Q- Q6 a       float* b2 = new float[N];7 m1 J3 r9 c0 `

& N7 Y: W" X$ c9 t* B& h! f       for (int j = 0; j < 6000; j++). k$ ~# ^) i. n3 \3 x2 I
      {* d& c- I: F. ~% l7 F% h
            std::generate(vec1.begin(), vec1.end(), []() {
; x0 V/ _8 @  D8 j1 W                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
. l8 w3 N5 b) t  |0 l% R; B$ {) U                      });! r: N6 q+ K8 T1 r$ q
2 G/ S1 t. ~$ E4 }  @1 M- o
            std::generate(vec2.begin(), vec2.end(), []() {+ @. X1 U8 W, ~; G9 y
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;8 K: n; x# D0 D" K! L
                     });
: @5 ], a" V9 S6 v
% ~$ Y1 t: H( D" S             for (size_t jj = 0; jj < vec1.size(); jj++)$ t* _- m  L/ K  j' T
            {
- A- }* T7 h3 O, O  A- H' g                      b1[jj] = vec1[jj];/ |+ c$ I2 t+ Y2 u1 z, q7 _
            }
! Y5 E- {5 g8 J( n
3 ~. k" I3 L7 n% J1 N6 c             for (size_t jj = 0; jj < vec2.size(); jj++). o  q! m3 m, R( }
            {
2 v! w/ f% X" a                      b2[jj] = vec2[jj];9 r" e/ W, @$ ]/ D
            }. s, Y, I# K9 I& {3 K

            //Method - 1  N=100000 247s
6 _. }% c1 L3 u' I; H' ]6 g             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);" `8 a1 a; s8 [' H) A$ e, G

( }0 @3 ]; e. c0 u  |6 J% t, x             //Method - 2  N=100000  237s
% P6 C. l8 ?9 C# |' ~             /*
+ O6 J+ @3 i7 j1 Q/ f4 ?5 f4 j             for (int jj = 0; jj < N ; jj++)
9 l/ n% Z8 u  m/ ?5 ~* v4 @, D# C' W             {% c- e* A+ D9 Q3 o- R% q
                     fresult += vec1[jj] * vec2[jj];
9 V4 M: Y8 c; e! j& N& A- n             }! G% B" F6 X8 n, q9 |
            */& s3 E1 A  \' V/ o( o7 u! Z

6 I9 q1 J  I# l7 L0 e* C             //Method - 3  N=100000 204s" X4 h0 N8 [7 @; d# [
            /*
$ n- l# k( r$ e  z             for (int jj = 0; jj < N; jj++)# a# M6 E, @9 E  ^- q) [; P
            {
  ~; R5 Y0 Q, \                      fresult += b1[jj] * b2[jj];/ y- }! u9 X: y6 V
            }5 X  g2 u/ C4 ]7 g
            */  ~1 D& d6 i, z8 {3 x$ T

& v5 ~+ Z- B4 Q             //Method - 4 202s+ B& G/ A% e# ?) U# O
            /*
6 E, e* l! n0 u; X. }, R: ~# g3 v             for (int jj = 0; jj < N; jj++)$ y( d! }1 w% Z3 G6 r6 }
            {0 G* h  B+ T1 ~9 P, Q0 R  g' Y
                     2 M! n; J: Y# N* j8 r1 I8 W2 B: p
            }
2 ?' b1 [$ [/ t0 d9 e2 H2 k             */
9 Z! _! E8 b. p! s' u$ |             //comment out all methods, N=100000  202s
( o# ~0 m9 u% W  ^2 p       }
  J5 x! m: U0 b0 |- Z, S
9 @$ d+ G, ?' v1 Z       delete []b1;
- q1 e5 k8 y6 S  I2 \5 V       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
: T: M4 o7 Y; h2 Q, B4 X; I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？! w; j0 e, ]& G( F7 O
- X- t9 S2 x! d- R+ V
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. C1 ~& {& y- d% C& W# _
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
* d) I& o0 U x; U' K7 o
* P/ I3 a5 k3 v' X; n" G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 23:542 ~# i4 o! O! a3 M1 K0 q4 T: l6 Y" P
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
- G L E2 O! [9 S/ I: ^* h5 r{# A6 F! M' \) @9 J6 |
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