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: z8 A" m, i& {& d, Q; U
拉下来？拉多少？# P7 k7 n) c( o* ?8 @9 N o; U, 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* J5 ]0 V& {5 i
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
9 e8 z$ N2 J" J0 M q. g# wvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)2 b: h8 B+ Q# w( c2 c' b ]. v
{
7 z- U w2 s8 T: \7 t4 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 00:206 c1 }& X3 }1 \. A* ], `
这个不是这么比的吧。。。
+ i' O. e! k7 Q: d3 [4 C" b( g. G$ y$ V" }9 t; P I6 m' n' 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 00:46
$ I3 V/ ?6 A4 q: Y, ~有道理。
: q4 ] \% J1 @8 ~' b# V7 z( ?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$ x$ Z6 G: x& _* \0 v: L
这个不是这么比的吧。。。
9 t# F g1 C3 e: H' T4 w/ [+ H) r- F9 D3 F k p6 h
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
3 _8 Q+ X: C% [6 ]1 [8 j2 M8 \4 ~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
- I3 H y. w3 ?5 w! ]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
, ~0 t6 v' j5 w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
; z, Y# Y8 G8 p; i' B+ G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 14:589 b% X% Y/ R4 q( P6 C# J6 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);
' x0 {3 I' T/ Z* b- w' y       std::vector < float > vec2(N);
5 ?! O) w& F: [) k1 E' Z       float* b1 = new float[N];
8 Z- H6 @9 |# X       float* b2 = new float[N];
" q: D) J; J" z( T, i4 M" t1 `  O
8 I  @0 T% m2 G0 J       for (int j = 0; j < 6000; j++)
6 b! a4 K- I7 n" B       {; Q( z, e! C) d4 d
            std::generate(vec1.begin(), vec1.end(), []() {  d3 g0 K, D( b
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
/ ]8 a6 D0 ?, |                      });
" ~- S$ b3 ~1 @
: B5 I2 P( o8 u. s             std::generate(vec2.begin(), vec2.end(), []() {
* c' L; \! }" j$ Q1 F                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
' o6 y& t7 ]3 T" J$ I8 G                      });* p, n; n; n& z$ V% Z, J! B

4 }% m7 ^1 P, q7 @             for (size_t jj = 0; jj < vec1.size(); jj++)
( a; K+ W; [! U             {
0 W1 k, y/ m. K  m                      b1[jj] = vec1[jj];( H, V+ b8 Y2 j- f9 q4 V& z
            }
( W3 L6 M1 m( u# P5 v$ T9 P% X) D) d, n% J4 B& c5 J! I
            for (size_t jj = 0; jj < vec2.size(); jj++)
) m7 l* g! ]% s; J' N             {5 B% J' O# M2 }( h' i4 Z
                     b2[jj] = vec2[jj];
, L  y; j+ f, }" N  ^( k             }
0 {( }! D, {4 S# Y/ y0 @; P% X
7 D- q+ z9 k6 A: m9 @' Y# m             //Method - 1  N=100000 247s  8 |# x/ N' {% A  j. A
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
% a* t- L- L: W& T+ y: h- w
  m2 J/ l; u% q3 |* t8 r" `0 o6 E6 t             //Method - 2  N=100000  237s* [" A' ~9 Q( X- r# \! W# U" i
            /*# e% Q4 C  q! b5 S$ H# U2 n6 Z
            for (int jj = 0; jj < N ; jj++)
, j+ m6 B# R1 R             {6 ]+ O6 G2 |  Q* t; i& q3 {
                     fresult += vec1[jj] * vec2[jj];0 `  p* G4 z3 U" m- e
            }
7 y0 C) o3 H# _& J& ~. q  M; G- Z% R             */( k$ t8 \1 y) x: Z" r

, Z! \9 q; R0 l% }             //Method - 3  N=100000 204s  V5 {* v: Q$ h$ t7 c, @$ ~( V
            /*
! c3 }( B% l* a, a& o! f             for (int jj = 0; jj < N; jj++)7 \' V! o- f  r8 t5 |# V: s
            {
/ R/ t& V8 \- g, f' y5 c" y7 N# {                      fresult += b1[jj] * b2[jj];
) v7 T5 r. d/ d             }
0 F" K7 {1 s- c; F             */
; J; z0 C6 F/ R5 u+ g( Y+ g# ~6 v9 I5 k
            //Method - 4 202s
$ G9 }% Y2 H4 E1 j* @/ }             /*. _. E5 C: K9 Z" h! ]( [# Z+ p0 b8 c
            for (int jj = 0; jj < N; jj++)2 f$ a& u# j* z& g
            {; ^. O- V8 n% X- r

" A: q: m! u% G0 o& n             }
1 P2 p+ T- z2 b# s- n3 P( |, I. e             */$ p; |4 P% C, M" i& D
            //comment out all methods, N=100000  202s             ) @3 K" C" M* S  N* i( i+ u
      }
# e! M7 R6 d, r# F% ^/ W
. |1 g  c0 A  a! a" h       delete []b1;
8 _: V' R3 Q& O, ]5 o/ ]& b. H       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
, j- W% _+ S9 k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？ J) t; E& h, J& j0 m* }
4 [4 q) O: N6 w
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 01:162 w8 Y+ S; b* E* D
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
2 `" W! z5 l- a# f7 E# p
) a- H+ Z+ @5 M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
9 ~" Q# I( [3 M1 n% e0 e2 Mvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
+ L3 }! m1 n/ k: c* _* p8 @- r{
6 L% g* a, L$ f3 _ 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