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 23:044 T2 {6 V4 V- s$ n' T6 P
拉下来？拉多少？
7 E/ K: C' n; X" ]0 p; z0 J3 D+ ^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) P" F6 }2 g2 L( T5 \9 p
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
, U; U, p! u3 V1 yvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
0 z7 r+ G }" [1 t3 a* `9 I{+ n( e: @8 u9 w8 w9 I
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$ k$ U6 `2 W4 Q$ I, e& b
这个不是这么比的吧。。。( l4 V4 b- }6 [5 l
- L/ e( e4 L+ j. H) q1 A0 ]& Y" f
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/ K% f1 o* Z/ g; a( }7 V8 M7 w
有道理。( \- C8 ^( X+ ]- |$ p
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 00:209 F5 @- H5 T- U/ P v/ K* v8 x, n
这个不是这么比的吧。。。0 v0 ]3 G1 N; T# M3 C8 m( S% u

$ T% Z2 l5 C* Y5 J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
/ `5 h+ }4 U6 }$ R7 ~/ u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
0 ^; z, Y6 ]: @6 S& v* e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( r/ k% o0 l; Y2 Z- S/ 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 ...

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) ]0 [# _$ x1 I! n5 B
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
8 u7 |3 c( N, k4 M9 p9 A* t+ F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);6 c* G( _, |4 U. H
      std::vector < float > vec2(N);
; R8 y5 ?# s$ L, s( K0 K       float* b1 = new float[N];
+ J. S( z& D4 [4 O! _# ]       float* b2 = new float[N];
$ e5 o6 }1 e4 j( t" G9 q  B( S" r  d8 R
      for (int j = 0; j < 6000; j++): o' X$ K) N, ]. _0 l! P
      {& _) W# `, G% H" |- H8 J0 @0 N  f
            std::generate(vec1.begin(), vec1.end(), []() {
( E" T4 k9 L+ ?% N7 X( L' s5 p                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;; z5 E* x1 ?% W! |
                     });
% _6 }. B4 `, q9 M  _: T8 B) c/ X5 P5 g/ \$ f- R
            std::generate(vec2.begin(), vec2.end(), []() {
' j( V8 V$ [5 ?                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
5 p% J) U! S4 r  o. _                      });: I, [) ]( \+ }. e% p6 m3 V

/ i" S% L: _, n             for (size_t jj = 0; jj < vec1.size(); jj++)( e3 w0 z, U- Y- i9 Q
            {
4 C% r6 U: m) H: x- o7 v                      b1[jj] = vec1[jj];
# j2 b5 J2 b* Z# a4 }             }
2 ?% {( O4 D+ }' B, W8 \' D! ~! u  z' p# b
            for (size_t jj = 0; jj < vec2.size(); jj++). O" o! |" x7 u. b# M9 k7 o& i$ z. y
            {
9 N: Q+ L( r5 @  v% m8 v0 {: m8 Q0 U                      b2[jj] = vec2[jj];. A5 \! r& G7 O1 `6 C% P
            }
( Z$ C2 [/ \8 G+ ^1 ~! U  T% p( L
7 j* h" T, \( M# X$ t             //Method - 1  N=100000 247s
2 a# O  U3 V; M" }( _             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);& p0 E! a) w* n

& |" {3 x# F# R" x7 @             //Method - 2  N=100000  237s
* Q+ i* f- o9 z" H: X             /*
- j1 H6 k  c; |  h( i             for (int jj = 0; jj < N ; jj++): q4 ^- z1 g+ N+ M; E' v
            {
$ h! l! t* n# B0 R( L- C                      fresult += vec1[jj] * vec2[jj];* I0 R+ @: X% f2 a/ K
            }
1 f0 N' R6 p& ~1 ?6 A. E+ `5 X             */2 M. e/ m* N: U1 S" n  T* i2 n$ Q
                              + U+ O9 i) s0 z# F: `% Q1 m
            //Method - 3  N=100000 204s
8 Z* c) R9 w+ O             /*; H; _) }% A0 B1 `; b
            for (int jj = 0; jj < N; jj++)
# l: [8 U, ^8 r; W             {
9 \% r2 G& u0 h6 \; R                      fresult += b1[jj] * b2[jj];3 H% Z* M: Y# i( c$ c* ~  h
            }
# }3 O0 ?! p5 t/ [* c3 Q+ x# s. K             */
# i& D$ R4 `/ V% S; a3 {7 m3 A) D/ A3 s7 E/ x0 L
            //Method - 4 202s
8 P  M5 P" f5 }( X. I  m             /*
' z& h4 I: }; E& l! Q             for (int jj = 0; jj < N; jj++), A6 S3 R+ B8 `
            {
8 o- L) P8 o: e1 e, a' i( ?                         B6 ^4 i. }3 j, e8 }, [. h9 @
            }/ k( D4 }) t/ u' R+ V) H
            */
, ]$ u1 s% A: i0 s2 a! M/ M             //comment out all methods, N=100000  202s             - l% o) R# v) A/ o( {6 a
      }
" I; D! P/ `* {( F" t6 }- \6 I  _$ [% _* ?5 D: n5 U  E$ {
      delete []b1;
9 j) w; p2 D& d2 a9 r3 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* _! W8 F* q6 N- P C
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？0 M+ P$ X& Q: a1 Q: g, k- f! b
; Y1 j; w. M9 z! Z5 n
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
) z+ {4 x6 M9 ~, D+ R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- F" v C3 ]* g4 D0 w

8 O$ c1 X0 R1 L/ Q, I6 P! A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
}, n! \) J$ m, k- i" ^7 E: Rvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)5 A( p3 B" C6 h; Z
{
4 Z5 h8 D6 s T. V+ U 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