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
; `. W: A6 |. [2 ]9 F" @0 q7 ?拉下来？拉多少？
! _- S* t9 v9 U a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
6 h+ R1 L, y0 [! R Q QMaybe 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
" @7 d" A/ r5 Bvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
3 S* m; u( ~6 u# ^; G{
8 W0 s, W( K9 N6 j* {0 U7 N6 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 00:205 l) R) X6 ~. v j
这个不是这么比的吧。。。7 e' c2 p3 w/ V

& ^; b ]( E9 \$ [8 O) e- 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- J! O; G G; H/ i- u& O1 _6 N
有道理。
! e( `: L7 X+ l4 B( S0 d4 h% @5 ^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/ V9 |! e! J3 l, L# _
这个不是这么比的吧。。。
% q& o( i7 b# |5 C& T
7 E. |/ _) o9 g4 ]2 w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
/ x, p$ W% G9 o* {2 v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
7 ^& u2 e+ h7 _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+ O6 N' Z/ A& v, f, o, ~8 k e
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 04:475 a) t/ m0 |5 w2 x+ D/ 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 14:58
0 u- k# ~" J( i7 e+ _, X& I' A" n, P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 I' m9 ~0 v1 D5 B( n1 ?4 I       std::vector < float > vec2(N);
: \* {% i6 V7 F  P* Q       float* b1 = new float[N];7 t. {% W$ C" R2 T6 a- V9 d
      float* b2 = new float[N];$ G3 E/ r. o5 k6 z6 j  B% B

6 F5 s4 T3 a- X       for (int j = 0; j < 6000; j++)
+ ~5 `$ w+ G( L3 n       {! d/ U1 b# g, b1 c# K) Z
            std::generate(vec1.begin(), vec1.end(), []() {7 `# @& g9 Q& O4 i" W; m7 t! H
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;" }3 n5 v) }% V0 E4 \. R5 Q( o, G
                     });
- G  S, [: V$ a5 }! k( c' F0 G# F6 X4 ?; `1 L
            std::generate(vec2.begin(), vec2.end(), []() {
: p' a; k( J3 Q& Y                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
' w9 @- X6 h8 t+ D                      });9 u+ ^1 U6 f% x; h- m
/ @! D4 c/ a6 M$ ^* O; Z
            for (size_t jj = 0; jj < vec1.size(); jj++)' q5 {7 E5 x( _7 D; z+ S
            {
* e- W5 [- y: f                      b1[jj] = vec1[jj];
) \+ b. S1 M5 {0 m; a/ T' C             }
* [+ N: q5 i: ^& y% c3 e9 w  U
8 X7 @! e" p/ h: a1 n0 _5 M, q             for (size_t jj = 0; jj < vec2.size(); jj++)
) z5 D! ~; x$ U. B! F- b             {
8 W1 @: {) d; i' J                      b2[jj] = vec2[jj];
7 v# w+ T7 U. C, s1 t             }
6 {. U# S9 D' p7 x' }9 ^) H% c  O' [3 ^  c; H+ O- ]3 `$ c
            //Method - 1  N=100000 247s
# p/ `+ l6 N" s# O# t6 V% W! c9 y: E             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
- m* I( Z; x7 h8 L" l$ ~" k; I
- D$ I$ c0 O4 O5 M# P4 L             //Method - 2  N=100000  237s% Y5 `8 ~9 D- O9 [6 a
            /*
  V' I! ?' ^& N) j- H# ^* N1 [             for (int jj = 0; jj < N ; jj++)
# d, G& ^" J7 V1 x1 \2 I             {, F. X9 c% `3 @' i, j
                     fresult += vec1[jj] * vec2[jj];
6 v+ d; r! ?- j, v             }
/ U' y7 I1 \" d             */3 \3 j7 k1 l5 }( x* |4 n& h
                              / a  t. q4 O! b" b# `
            //Method - 3  N=100000 204s" w% j. ^0 R0 @' \
            /*
  j" O0 [: J6 h$ e2 r             for (int jj = 0; jj < N; jj++)+ J9 g4 A  l% N9 d( }* ~
            {9 K: F  q" g% b) Y# {) O& U
                     fresult += b1[jj] * b2[jj];
0 o- _1 A  T  l& `+ T             }
& H. T; c: O" V# M             */
& e* P& p0 p; ^# _, [3 P5 Y% e9 I& d8 j: |. p
            //Method - 4 202s) ]. h  `- F. \/ }3 t! P
            /*
6 e" O- O& n2 T             for (int jj = 0; jj < N; jj++)" q0 j: y, G9 S7 w" D; K
            {1 m6 `9 z2 C( j) J/ y% X

2 |$ x' R- |! w" `  O2 m2 ^             }
5 y- y4 D# k8 }5 a4 `             */
& a+ C# G7 P! F* T$ Q             //comment out all methods, N=100000  202s
' i. E: D% l- u" F       }
2 h4 k% I" t: ]  v; [8 X3 ?$ `1 W5 w4 \
      delete []b1;
. H1 L3 ?! o  Z8 P( [6 e       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 00:157 w" L) E; \8 _1 Z. t! w3 @' e
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？
2 b* }1 s* j! q4 ?. n7 {' i, S8 ^+ y/ T' r6 R1 F, j
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% Y6 T! ~- c/ r4 n; M1 a: E
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
8 x# {! a4 j/ w1 t0 ^1 t$ d) i" 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
6 D% G. C( h7 a& D' m: x# svoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)( l2 T2 p( \8 [' K7 Q
{
6 Z* M9 J# F9 j$ A! i 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