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 B& Z& }5 D- H7 M拉下来？拉多少？% R' E2 {) a- z; a9 a" y6 L
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
" m, u) G+ h+ k# y. i2 d4 SMaybe 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 23:542 b, V; V4 C5 {* s; X, K! I
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)# ~' V* {3 S, s+ R2 O5 J. ?1 c
{
( P1 [9 n8 t4 K0 }! g! B 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
8 |/ R- I' j y这个不是这么比的吧。。。5 |& X3 f: d1 t; @8 p7 v
( Y: u% _( n7 p2 K, W n
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 00:469 v3 O. C: @/ m' D- f
有道理。( @9 N1 H/ y" B- J% i* c
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
8 i7 s, C' P$ z这个不是这么比的吧。。。; Y2 N% G8 v6 W; u4 m5 t$ n

0 m8 i, u7 G, S b1 r, ?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
8 L2 G0 q1 l/ {' V* ^- c& [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 01:275 o! a8 E, N. B" d) S4 D
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$ d; ~% J+ P+ P) y. l
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, Y9 e1 n5 k: L5 f# V# D; U; W
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
3 {5 f) |+ e, ?& T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);
4 M. A$ u& a. T- C) s% p$ R       std::vector < float > vec2(N);
' Q. f* \0 p  o$ c8 |       float* b1 = new float[N];8 N  ~0 h4 {" b! x5 o
      float* b2 = new float[N];
! \9 [( ]% A1 S! q% c; r6 z- _( \" F0 d1 x/ x+ E" r& q
      for (int j = 0; j < 6000; j++)  j5 ]& s( r+ g5 ~+ z3 c
      {+ {& W$ k4 c* P% [( s+ \
            std::generate(vec1.begin(), vec1.end(), []() {
1 ~* A6 d) r& q7 ~/ y& f; g! B                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;$ |  ]" K% N9 u& O) D+ N* _+ ^' r
                     });
5 c1 j( C( j* u0 U# q) b* S( W' a% K, b' z; a" F0 j
            std::generate(vec2.begin(), vec2.end(), []() {) B4 O6 t2 H/ l' N
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;6 F7 V, D) X5 r" a. g3 A$ v2 X
                     });9 F# r& x* O4 ?" c: Z
( F3 M. o/ @" q" O
            for (size_t jj = 0; jj < vec1.size(); jj++)
# v2 x0 @" w+ z7 _; t! @             {
3 F1 l, `1 m) Q2 B- Z                      b1[jj] = vec1[jj];
$ _9 b4 k; d2 w* Y5 {( Q6 [- E             }
: e: J# B1 A  [# r# H: q" H" m* P" l$ i
            for (size_t jj = 0; jj < vec2.size(); jj++)
; b! e" ]0 ~+ s2 s; k6 ]' v             {
: F2 O4 p; R: J# E                      b2[jj] = vec2[jj];$ \7 ~1 u( P- P- _+ K3 m
            }5 ]* d  b( R+ z6 a- M9 _0 J
7 i' ?' \! x3 r& ]
            //Method - 1  N=100000 247s  5 }7 Q+ i( |. @& _' p" A0 G7 @
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);  M# j: D1 C2 Y) B* T/ Q
                              * \$ U4 N- V7 X, ~. g
            //Method - 2  N=100000  237s
' J- s9 I5 s. P( q             /*5 {' [. r# Y3 w2 a- P1 f- F
            for (int jj = 0; jj < N ; jj++)" p4 |$ Z& y, h+ t7 L$ N
            {
" b2 v/ _( x8 ]: {- j/ [                      fresult += vec1[jj] * vec2[jj];9 ?9 d. z" c$ e3 t
            }
4 e* i% m9 b9 [0 X" }             */5 v: G* L. H2 J8 J5 G, M$ k
                              . P. i; |7 q) `$ }
            //Method - 3  N=100000 204s' d1 D$ X; |; c, @: v: a9 _
            /*; m# o% @9 C2 t, Q1 Z
            for (int jj = 0; jj < N; jj++)8 D+ [8 A  Y" G
            {
: Z  }. Q, J7 j0 b                      fresult += b1[jj] * b2[jj];5 E) @4 O, B$ _& h# {4 |
            }% @- |, J% [+ G% D
            */" @) w) r. r3 J9 d# O# U

' w! v& `+ W6 t3 @* a             //Method - 4 202s
4 d- P% y* v5 p0 m- r( a             /*5 |/ a. m; ~0 R2 C" U  {0 Z
            for (int jj = 0; jj < N; jj++)9 S7 \7 _  c- W1 O4 G7 t* E+ y# R4 Z
            {! o& R& I2 a- n/ Z9 |/ Q+ J
                     - I7 M0 y0 m' X0 ^
            }7 S3 ?, X+ S, C  n) Q0 ~# o' U
            *// a, d. s3 Z! X# X) U
            //comment out all methods, N=100000  202s
$ F5 j% [; E, G5 V3 e       }
, g/ c# N) L* h. _7 n$ m( q2 c" m, Y0 o  m/ {: q
      delete []b1;& Z) a  `$ d1 s% |+ {
      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& V0 A# J8 `& V8 C) \9 D9 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？
; S6 o! _$ w: F% @/ @: }. D! \+ z/ k# b4 i6 } |. 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 01:166 J/ @* I- D9 h- i( c2 w2 r7 x
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. x: A' n6 e: K. X
: f9 a) t8 `' q& n6 k' c7 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 23:54. _6 j7 S+ R; ~
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB); d' q% s$ ?6 e) e' n5 g
{
! z$ t6 c% Z( _. j4 L* S9 I. G 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