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 23:048 y6 G: v1 F+ g x& H; T5 b
拉下来？拉多少？' F2 S& ~- w4 r# O2 r% T# u2 [
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 23:339 j! t/ T& e* M7 U, q& Q8 f
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, P0 q8 g& u6 V- k- D, x
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)+ T- t; P: l6 q+ V! s
{
: m2 t# C4 r3 h7 ~. l2 @9 Q 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/ T$ X! f1 F) K" d" J( Q( \3 v1 g
这个不是这么比的吧。。。, y# a; V( A. o; f$ C; p0 V; {

) w$ D2 Q+ _8 O3 S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
' o# F Y' O3 N: s1 a有道理。
. f6 p: _" v5 N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
" h2 ]$ E9 W2 `# ^2 v/ v0 j这个不是这么比的吧。。。9 c1 h. x; t5 m2 S
1 L0 F( z- y( ~. X! o# N3 M" 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
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
! u, J( o+ I0 I/ h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 04:471 }5 F+ z a+ f, y* m
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 04:475 T9 z! d: t. 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 ...

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+ }$ [* m+ f R$ K# _6 b
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);
0 d$ w- U1 Z) r, @: E# T# n: @       std::vector < float > vec2(N);
) N3 B7 w9 v+ n5 g+ _& P  J       float* b1 = new float[N];! c. L& h- l8 b: x: x5 N
      float* b2 = new float[N];
8 @$ ~2 _5 _- l- ]
* p( h+ z; |+ h! g5 q       for (int j = 0; j < 6000; j++)
  v) M3 _# u/ a' s9 X       {# I4 v' D1 P6 i9 I
            std::generate(vec1.begin(), vec1.end(), []() {
8 h/ w0 T8 ]3 `- g* g9 `                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
9 J$ R; O# n! H# k$ f! T                      });
' z* ~+ q; ~- A5 e  ^  M- |8 E2 l- K9 n
            std::generate(vec2.begin(), vec2.end(), []() {
) G; t, _2 e. ^4 u1 j                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
5 s" W* O; b% D                      });- p- p5 w8 b/ Q" J) Y  [

2 r0 D: |! F" c5 {& ]3 h1 M             for (size_t jj = 0; jj < vec1.size(); jj++)2 `- U  B1 F2 y( n* m
            {# U( s7 q% \5 ^6 Q
                     b1[jj] = vec1[jj];2 l6 x* w; A3 `5 P
            }
/ k3 }8 e" `: m2 `3 k* ]& p7 M% Z& n2 N. M$ f
            for (size_t jj = 0; jj < vec2.size(); jj++)# g5 U/ L  n* d9 Z- Z- a, w/ K
            {9 B6 u4 k7 j. k! Y
                     b2[jj] = vec2[jj];
/ e; g- Q* S4 ^# E: y             }+ V/ Q0 V  A! L1 F0 }6 m# t& ]
- U# o9 D6 G2 H* C1 K
            //Method - 1  N=100000 247s
9 i, w( @) H! w5 x. _             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
/ o2 j! q) ?2 _, y. D# u
2 i. N6 X4 W# a! M  g4 ]$ A, g8 W             //Method - 2  N=100000  237s
, l8 j  W7 v. U9 b             /*- z4 x+ O3 i  @5 u! E: o2 M
            for (int jj = 0; jj < N ; jj++)
& U$ M7 D; C5 J( }1 o4 K9 Y( h             {
4 A+ _$ {# ^0 C: U: m+ q1 G                      fresult += vec1[jj] * vec2[jj];
2 c9 x" `% n3 ^0 E/ o             }
" r0 ?4 M( C* S1 ?             */
  G4 i/ l  M5 x! e8 H1 q                               2 H' T2 `6 g4 o( e" C1 R' E
            //Method - 3  N=100000 204s
) |! S. ?" N% @' S             /*) g! N# r) T' }6 g
            for (int jj = 0; jj < N; jj++)
# v) W! F, H" B5 i2 Q# o& k! b8 Q             {! o* C3 q/ ]. H: h4 p
                     fresult += b1[jj] * b2[jj];, ~' o% }8 Z# F5 J, x5 t( W
            }5 O' C9 ?  m: ^4 o1 ^* V
            */
: D7 N8 Z# `6 E3 M4 ^) a7 w
6 O% X7 X' O/ P             //Method - 4 202s, S# J+ a. J' t3 t" J+ v
            /*; W4 C; m) Y& }) s5 O1 Y. U
            for (int jj = 0; jj < N; jj++)# r: f' d3 b4 P4 D; o: X% ^: I
            {
! l! @0 f/ D6 R; @8 ?+ r3 X
, T$ e, C; `$ ]* V8 N             }  Z" b" E6 w- p3 S1 ~9 X2 Z( r
            */: Q6 j3 s  M! \& l) C! ~
            //comment out all methods, N=100000  202s             3 f; L2 D5 I7 G0 K( n
      }' e5 x1 K; m" B& U: A' m
+ c& Y( k7 T9 `, E( w: B7 z
      delete []b1;2 L6 ]# i8 W4 A$ N& p7 X
      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
# ]3 {$ {0 O2 w3 M: m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？5 }! e3 P# x9 `& ~ q4 w
/ s( y/ _% b+ ~$ m8 Q; a1 G. @8 p! S
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
2 z7 K1 P* R# f4 V' c2 X' D4 B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、LOL2 g) Q. ^& Y. H4 l/ d$ p4 b9 s

! C, y% T3 W8 _" j# ?. A; 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% F5 D: g) [6 g. n; [8 W( d. B
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)8 G2 a0 ?$ I! I
{; p9 u& g* x; V* h
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