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, }4 c4 P2 V0 l7 R: d$ _3 k8 J
拉下来？拉多少？
, ?: s+ _0 l: |; n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# k) }- {' \' f, l6 q5 i2 G* W' `
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
: J( z' a, P, X- q) [void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)+ S0 q0 R4 l, v. V" y4 c
{% F- R7 ]. T& x. d! M& W/ g8 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
" z" A3 s7 n5 _. y- V* o这个不是这么比的吧。。。5 g5 O! ?2 R+ o" B5 q
2 Q, N; O" U$ O! L3 N' f4 _
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
$ E& `. I6 F2 o% A有道理。
8 K" X1 C5 y$ d* O( B* _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 00:203 j! ?2 ?& b& n% i' E3 M) p9 v) c
这个不是这么比的吧。。。
/ @; p# l" }$ C5 `, O( P( }+ I' R, o8 y% ?* I9 A7 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）。

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 01:489 S2 Z2 T6 D! X L
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, F, {) |/ }6 d$ P( t" I* Y2 r+ 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 04:479 @; t c1 z5 i: R6 u
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, ]- Z1 D6 F& r
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 j* D \' V: s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);% Q8 ]  C/ Z1 A6 o' _8 z
      std::vector < float > vec2(N);
' a4 z: V) M$ Y: O       float* b1 = new float[N];
5 r) u, @  Q! R8 y( S% a       float* b2 = new float[N];$ r& s7 x/ f9 r" F+ J8 q

3 |& M3 v2 T1 O! Q       for (int j = 0; j < 6000; j++)
- U3 \1 n+ K, f5 \# J4 x% p       {. Q$ r" q/ c$ ?* A
            std::generate(vec1.begin(), vec1.end(), []() {
0 ]+ O. @" B3 C2 s) A                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
/ c3 v1 I0 g, Y4 q. r                      });; ~* _- c! F1 ]% O2 Q$ j, s

: n2 w; m' ^& p$ `5 G, U' q             std::generate(vec2.begin(), vec2.end(), []() {
: [* q/ E4 ^: f- V                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
3 l9 Y( J: R+ r2 \" f                      });( |6 B5 |6 x) a! X  z1 k. e* q
/ h7 S2 D8 a) g- g3 S
            for (size_t jj = 0; jj < vec1.size(); jj++)
; p" m" u' a1 B7 n7 ~# N. [: x& ?             {5 R5 ]/ m2 i! V2 u' ^% m/ }
                     b1[jj] = vec1[jj];. T! T+ U( }+ Y  b; ?, Z) q
            }* `5 l% P7 l' h# B) \

$ n0 R( [. m3 t- c             for (size_t jj = 0; jj < vec2.size(); jj++)! p: R5 j* D0 m6 A7 b) m# s
            {
  {( s0 m0 l& d' R9 V% t, U& S0 i                      b2[jj] = vec2[jj];9 l2 T$ Q( `# g5 X% v2 W9 L' d
            }  \. J9 r. D) j# W9 S( G

( q! ]' g5 e! c) E/ r8 c             //Method - 1  N=100000 247s
: j6 P" q* b% A* e! V7 a             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);. K' v( F6 h5 p/ }
                              3 C/ o, E% d; Z' a
            //Method - 2  N=100000  237s. n) \1 ~1 }  e4 j- d( _6 d7 d; T
            /*
) ~$ n8 D* f# m; B             for (int jj = 0; jj < N ; jj++)
# D& U, T5 A; j7 k9 O/ O# o; t             {' s% p$ z: c5 f3 K
                     fresult += vec1[jj] * vec2[jj];2 Q) b+ Z3 \9 [" C% [& U
            }/ l' f- x# e2 Z
            */1 p$ W0 M' x1 H7 _8 D& w5 O* V9 Z

( R$ Y* ?0 B7 [8 y: _9 m% e; n4 x             //Method - 3  N=100000 204s
9 E* m/ a: i, t( [) r             /*# H  C& v  Q9 _0 a( Z1 R
            for (int jj = 0; jj < N; jj++); ]) R3 t8 q* P  t$ K* P9 J+ U
            {6 l+ b& g, o" m. R
                     fresult += b1[jj] * b2[jj];
6 e* @; A! z# z4 J  }4 ^             }
" K* f- Q: y; A8 l  L, v0 U             */! M3 O5 b3 B# T/ W0 y8 D% U% U9 M3 G
9 Q5 u# ^- w3 c6 M2 \9 O6 V
            //Method - 4 202s6 x* c9 P1 ^; O$ q8 R9 Q% d: j
            /*/ m5 c% W6 `/ C! {2 z5 Q9 G. t
            for (int jj = 0; jj < N; jj++)
8 }" ?& x9 O" f. Q( Q* _             {/ j( I; w) E/ A
                     5 t4 R" v0 z- B4 g& }
            }
; I, R) q; p0 k9 C# y$ O' n             *// p" J) }4 k$ D* Z' Y
            //comment out all methods, N=100000  202s
# _6 S( g' ]3 Y4 N) i' y: l       }# I: l+ @$ f. R% O5 y

" z+ b5 `1 V* j* g$ r       delete []b1;
1 a9 x# t0 q5 N2 h( Q. h5 n       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
7 _( u9 k" w) t8 G6 d; [ ^& x( F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' ?" c, h; Q- B3 _8 M7 n, X+ j. Q) o3 Z5 s4 R4 f+ s% I; B
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- H) 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, g+ r, W2 o N) S7 f: y( F& u

' D7 E+ [& \+ z: ~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 23:549 y* `. ~! M( D0 x$ Y: {
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
* Z: n3 l( `6 G, s/ s+ E. B! o{& V; V" n$ @4 t
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