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
' n& Y( G( o+ @( V. ]4 g$ [3 O拉下来？拉多少？
; s5 }2 e( |! ]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
- z. m5 c: C7 R$ XMaybe 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% o) x5 T$ |8 ^
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)8 W5 Y6 L, C' }0 e7 ?% n3 \$ {" J7 k+ f
{+ Q8 B- L- v- T! \4 y. V" g& P" a7 c
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 B# F/ [& G+ a3 s x" Y7 F
这个不是这么比的吧。。。
# P1 Y, | l7 ]) v1 `# j4 Y8 @" n1 ?1 j9 e4 Z' [% o: H {6 }( 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）。

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 00:464 k) l+ U2 Z5 ^+ L: A
有道理。% j$ U3 t$ `) F0 T8 M9 e$ c; M7 ?
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 00:201 T" D$ X1 j7 ?' l1 n. e; G
这个不是这么比的吧。。。 m* c `( M8 l6 M+ Q5 L# Q8 k" T
D3 ], K) y* O1 q
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% o, n4 V$ z8 K8 m e) k
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
1 G2 p- X/ @! k9 p/ W2 M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- E5 B! ]/ P% D, S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
8 e- L% r R: Y* V/ l, 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
5 z. _1 o2 o. U2 G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);# Q& a8 m4 l7 B5 h! g1 f
      std::vector < float > vec2(N);, @( W% d! `; T7 c7 l- p  V
      float* b1 = new float[N];# J+ ^" t) @+ w9 N7 V, q
      float* b2 = new float[N];
  Z9 _; ~1 o! K7 }, C
+ M3 {" O" {& G       for (int j = 0; j < 6000; j++)# H' F. F( s9 O
      {
% k$ P5 C: `' B             std::generate(vec1.begin(), vec1.end(), []() {
0 u& v& G+ \# m2 s                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
0 \0 q  g0 m& c9 D( n& T  e; y7 y                      });9 V0 B" R+ y# Y. A
8 j) g# a" ~# P2 `! W
            std::generate(vec2.begin(), vec2.end(), []() {' K8 Y3 ^4 ^& w, a0 I; N  y2 b4 s# d8 ^
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
0 [6 j, G; K7 o& r5 m  K                      });& a9 h; b5 y4 X$ e
- g. p- E# }) |9 W# _
            for (size_t jj = 0; jj < vec1.size(); jj++)$ ^7 S% t1 Q  B3 W( ~0 k/ L  `1 x
            {$ D" b/ [7 B8 N6 {1 ^) j
                     b1[jj] = vec1[jj];9 f# r/ H7 S5 y. s9 ~) x; ]3 v4 U, m
            }& K, u4 A; c8 G

, y( O3 D* J2 v# g: {# X  v5 Q$ _             for (size_t jj = 0; jj < vec2.size(); jj++)* e  A! v/ i1 v& w8 ?3 p, }
            {0 m  M5 ?, E+ F5 H: Z) g
                     b2[jj] = vec2[jj];2 ^8 W0 @/ }) G
            }
8 @) d2 }+ y- X4 n/ t$ \1 L5 `9 i* `. A
            //Method - 1  N=100000 247s  1 U7 i+ {! w9 k% x
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
; G# Y+ j) y+ @/ l5 b0 o8 B                               $ H) Z( M8 L9 r* @5 G4 _
            //Method - 2  N=100000  237s. ]  H+ a. S% D2 k; u
            /*$ b1 ~" Y' r' F" W1 u
            for (int jj = 0; jj < N ; jj++)
; ~6 g$ X; f( E% p0 `6 |             {
2 F( e( c  ~; m4 h                      fresult += vec1[jj] * vec2[jj];- F3 A7 P6 K2 j% G7 e' K$ d
            }, e: o; [9 q3 B8 m# N: ~
            */3 A( C1 g/ j) m7 ~

6 j8 Q! ?& _7 U* ~: d             //Method - 3  N=100000 204s
+ s$ A" Q7 d8 m2 b9 S             /*
- x! ^% A& m, C0 J, S7 y             for (int jj = 0; jj < N; jj++)
: L: h& v6 W, B, b% {+ Z             {
# t) h* S. @/ ]. y# }) e2 A                      fresult += b1[jj] * b2[jj];
' o: r( B8 Y6 s' y4 R* j             }1 Q! S+ w$ k  P& k& Y" u% b. a" Q
            */! D% n5 M" r; J, N1 O+ Y) h
% b; s2 o$ U, b! I( a
            //Method - 4 202s
* Z+ I8 [& N  f2 F             /*! B1 I9 T# {7 Z6 b' V, Z$ H& B
            for (int jj = 0; jj < N; jj++)6 I2 l6 Z0 b6 c' \/ M! p3 O
            {7 ~) q  C/ N" z1 O) y  E) ^& t$ T
                     7 M: p- C* U8 ^1 Z0 I: Q; q- M: P
            }% W& y/ u2 i6 ]! r$ r: e% m+ m" V1 Z
            */0 U/ X1 }& _* Q( D* P. v- h
            //comment out all methods, N=100000  202s
' l" g4 z- b9 H2 K, [       }" d) B" N1 }8 e2 S; f4 I+ ~" A

/ r! E5 k  d, Z" W       delete []b1;
0 M+ e9 ?  E4 Z$ 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. e/ w9 D- k4 g3 N! R: v
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 Q% x7 a0 S9 I% U
4 X* v* _- B- U# K, ^
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 N& t- R* W) J# |- B; I
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$ |! c4 d/ h# Q3 n# F( S6 r1 r
! h" P) A/ w* o% z) U+ [7 ?7 Y
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 ]- G- V% G7 N' U* }! y. `void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
: H1 }( `( ~8 i+ r! d8 l) ]# `! S{
5 D h2 u& @8 [ 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