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: q' V; ~1 m5 @% f. w* B' {+ o
拉下来？拉多少？- O$ s6 W2 S( g8 {! ~% {: 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
0 G2 F! i4 I" Z$ RMaybe 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 23:540 S0 l; t. O8 R5 R" l/ n C- m+ n
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)2 ~; k: `) {# I+ t0 f* N
{) ]& A0 P( J* e( s- ?5 a1 V
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, {$ n; h3 {1 `# C a* t这个不是这么比的吧。。。
0 n8 M9 U0 S' v b2 G! e0 y1 }6 F3 w% @3 L0 a; d& p& l
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
3 Y- _( a" Z# ?3 }5 b* W& |0 W4 [有道理。7 r. a, o( Q% J- l* h( R
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
5 p. c" X& a. y这个不是这么比的吧。。。
% T/ B+ P8 B7 e$ q% v. s' O& E& @% L" Z+ 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 01:486 P3 F! w& Y0 e7 Q: G% |/ Y
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) S4 Y! h( K( j
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 A7 T. T3 H. L6 \. W# W9 y( [
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
* f- O- {! ` ^/ m7 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 ...

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
" H4 H$ F+ P! Y. } u* C& L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);1 O' b# m$ n# o$ x" j2 H; ?4 K
      std::vector < float > vec2(N);; z% I: P$ X3 D# c3 x
      float* b1 = new float[N];
% S+ e, T5 r9 T/ R       float* b2 = new float[N];
7 U7 P( _/ J2 Y- M' c; A" p0 Z- L  T( K# e9 z! P
      for (int j = 0; j < 6000; j++)
+ O: S6 ?* A. f9 p& ]" W, I, E       {
' Q5 j% G+ v* \/ {# G             std::generate(vec1.begin(), vec1.end(), []() {7 @8 m' \6 p" Z8 n& w
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;) b) T! O# l6 b/ O
                     });4 v! F/ ~7 m+ u. Y
& A% L- p) W) f  p
            std::generate(vec2.begin(), vec2.end(), []() {' Q2 A8 N1 i& v: L) [# z
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
7 c5 P- ~+ m1 a1 s9 ^! p/ r, d( O# Q/ d                      });
9 r1 O! d* C! W4 W6 O! B; z
: a- n1 g7 {; c3 h2 E9 f             for (size_t jj = 0; jj < vec1.size(); jj++); h+ h& q4 M' d; o. _) A+ c
            {% P7 b' J% e/ w' k0 O
                     b1[jj] = vec1[jj];
( d) s6 |: O# i  W% ?9 T             }
7 i) ]% v3 z2 s6 J: R& I- ]% n$ s+ z9 ]. \" f' S0 K: G
            for (size_t jj = 0; jj < vec2.size(); jj++), ~$ |- ]) A5 k$ o. M
            {
; U" N* v2 l' n9 J$ z0 O7 J                      b2[jj] = vec2[jj];
" H# w0 E/ t+ t  E: u6 S             }" y, O" ]9 \4 r

( y4 q" S# E; K2 `# G" l1 @             //Method - 1  N=100000 247s  - Z9 L0 Z& X, C% E, X$ q- s1 L, N/ q
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
! i5 ]* q9 u  X  \6 ?3 l; ^7 z
! a$ @2 R7 N6 X3 y             //Method - 2  N=100000  237s- B- X/ G; O1 m3 |6 u$ ~/ n. @* h
            /*
* F, Y% C3 o; @* A6 A8 c, ^             for (int jj = 0; jj < N ; jj++)
8 y4 ^' V" i4 u+ W' a6 n             {/ ~, l% c3 U$ R! r9 _( [
                     fresult += vec1[jj] * vec2[jj];
/ o& X8 n' M: H% Z, `# l2 F             }5 W1 J2 n: R5 b8 b
            */
5 N& ~, {  {6 b1 G) C) I                               ) J3 Y! D/ x9 s5 f
            //Method - 3  N=100000 204s
6 d4 J4 _/ _1 D7 \             /*) F# n+ W8 t; @4 @% j
            for (int jj = 0; jj < N; jj++)
) l! s2 |8 [2 Z3 M+ J# y8 B8 S             {
/ \8 Q3 W3 |# V! S' Z! L                      fresult += b1[jj] * b2[jj];
- H5 s$ `, I) f7 b/ O             }
) q: l6 g. l7 g# H             */
" {/ j! {2 I$ @
& f) q% f9 V& i( V             //Method - 4 202s
( i+ Y! n- p  L             /*' S+ t6 l. R# _4 V
            for (int jj = 0; jj < N; jj++)
9 e( `6 H! z# \, y+ n! I' U7 S             {0 [. e( D7 [" s1 L# t8 ]" T

) F. J8 \/ B9 A7 ^             }
5 J5 G, L+ e: @" y& W* S             */
# k! K0 ^2 Y8 ^$ a8 _             //comment out all methods, N=100000  202s
# v# }5 H$ x' v) G1 z2 x       }
9 Q5 g" U- A  b( O$ ?* E
: O% o: f# t, e7 _, u8 F       delete []b1;
* W, K8 B; ~" d0 B8 h5 n. 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
: v9 g7 q' ?: Y" ~8 `1 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？
% G' ?9 G- O2 B! g
3 a# U7 Y% U+ ?" A" 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 01:16
; {. P3 ^, _# R: 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( W' T+ o6 |: h
F$ U) y& q; |. |3 B2 Q; u
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
% B7 u! n) z: b# T3 xvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
- j% S% O1 N' Q4 @( Y{2 t- a& o+ U2 x! q* S! q
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