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' b o6 H, X1 h
拉下来？拉多少？
! F. S0 W" B9 `' i+ B D- d* t3 E' U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! A* \: h' C# B' A- I* ?5 v2 z
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: `2 ^+ q k) E7 k5 S% ]* A1 |
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)$ {; H$ N' E& Y8 o; r/ B3 ]3 t
{
) q, C/ W/ V5 C& f 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
: Y8 d3 o4 @0 o) }- j! E c这个不是这么比的吧。。。
. N9 J5 @: D& R$ a( x% I/ w- h) C9 m+ m1 M9 a% 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）。

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, E7 c! C0 X! T& R5 u% k* N
有道理。
5 t& I" b) u$ |3 H) [3 [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 I% W) {0 q' k% x
这个不是这么比的吧。。。
9 P6 R! k* `. k7 s V; Z
/ H% w' L8 I/ I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
/ h. c4 f" F |2 R+ 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
' K6 C7 ~7 P l+ v I+ Y* 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 ?) n/ A8 c! W, Y) ?0 D
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; A9 ?$ Y. f8 |
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
4 [0 B6 \9 n, L; U! L0 X$ j% V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);3 t  f' t; ]4 y) h* ~& g5 \
      std::vector < float > vec2(N);) H, N8 ]0 a7 ?/ J+ J. z
      float* b1 = new float[N];0 M% y. K# c( Q) N, f% T
      float* b2 = new float[N];4 y- n) F: q: x" L+ v9 x

9 {' f: V) N2 X: U  C* E       for (int j = 0; j < 6000; j++)4 [% N) O- m5 W5 ^6 D8 d' |
      {$ ^0 l  n% H7 B
            std::generate(vec1.begin(), vec1.end(), []() {
! b. T5 l0 G4 @3 x7 l                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;( H- w8 ?$ c# V7 t1 j. Z# \2 d
                     });! A$ i4 n2 Y* J4 y% s. H

9 H; ], ]5 q" o5 T% |             std::generate(vec2.begin(), vec2.end(), []() {$ k/ C1 F) O4 F" p
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
" `4 `% V- @- B4 h5 `                      });5 B% ]) B4 d4 P  I
5 ~8 n# J5 i$ b/ b. r+ r' ^
            for (size_t jj = 0; jj < vec1.size(); jj++). l) r# l! P" y0 r' Y! J3 o% F% T
            {
) W  J6 b! Z) q% F+ `                      b1[jj] = vec1[jj];
* q8 s' k" ]3 q% q0 G8 k8 F- f8 a             }
  p9 Z6 V+ K" G" U& {9 H* X4 m  t& r
            for (size_t jj = 0; jj < vec2.size(); jj++)
4 m1 s9 a" x; H( Z2 X             {0 z1 C% f# o$ d7 G. |, S
                     b2[jj] = vec2[jj];
, K0 f! Q% ?7 Y9 C) Y! T  q             }
& W; h5 v* n5 a  a0 |0 N! X4 d  \# e/ f3 `& Z9 e
            //Method - 1  N=100000 247s  , Q% w  {, o0 d3 Z9 z
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
5 l7 V; l1 G# X: ?                               & H- V# `6 {' [6 Q- u- C3 e7 u
            //Method - 2  N=100000  237s* ^( s. S# k( z# b. }: i% l! }( G
            /*
8 y: J& m* j! g+ I* k3 k             for (int jj = 0; jj < N ; jj++)) V& D( m, W7 C8 Q
            {3 M( k1 I" X" k; ]7 x
                     fresult += vec1[jj] * vec2[jj];
. g9 A% x: O! r; B             }
" s5 L! k8 A) P             */
9 o: J; g3 p: r8 X
# _  c4 a3 F9 |+ `, f             //Method - 3  N=100000 204s" \6 Y! x* v  M  I9 L& E
            /*
- p3 J& s. i0 L4 C! h8 a* ]; L             for (int jj = 0; jj < N; jj++)
) y3 t4 B2 C& l2 e             {
% ]1 G  R/ ^+ x, U                      fresult += b1[jj] * b2[jj];
. M" O; f% ^3 L3 o0 |             }
7 i3 W2 f4 K6 I6 d; J  {" g             */2 W, r( ^: p- T# m) \+ x- @

8 A" Z* U! K8 }* T2 k             //Method - 4 202s
" s2 u- U6 M. K) `& C# F. f             /*+ h: ?: `- E( i8 I$ y
            for (int jj = 0; jj < N; jj++)/ V) x: ^1 h7 ^; R* {. ^5 [
            {
) O7 g, w% ^3 c: i6 {' f9 Z$ l
* z+ V1 K8 M/ o$ P             }  h5 X& T9 _& Y, a0 S
            */
! A! c: F+ z+ a' ]. }# Q, L7 z             //comment out all methods, N=100000  202s             1 z9 u- S7 K' |' ~) X% T  y
      }  l0 C: J' {9 R; ]9 t( e3 k4 k
: U* V. J8 S! t/ \: @7 J
      delete []b1;
- E0 s. ~; i; {$ O3 E6 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
K! i: w% f4 b# `; h5 ~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 N i. Z( f8 ]: p3 E0 V

! r3 Z& A* }3 ?! ?) H' o( p% \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- d1 r3 Q) w' ~0 J
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
- S! Y2 t; {1 ?; t( [
5 t5 y# V5 O [ O, 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
$ J& f( X# g6 |! t" f+ y& avoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)3 c4 m% j' n2 k: X
{
3 ^$ a$ F0 O$ \0 r 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