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* q7 P7 a1 f; _; g; p
拉下来？拉多少？1 Q1 Q- J7 n. H3 f" \
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
# E$ b9 ^( i& GMaybe 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$ `& p+ I$ v) b( Q$ f
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB). A; {/ m9 _( x: t7 @1 Z
{
: h+ H9 T5 a0 \1 P 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
% I8 {& [! z6 y% I! X这个不是这么比的吧。。。5 ?3 V( ?0 v; B4 l9 L2 N$ r7 M

4 ?/ @, `+ j# ^- [5 p* H: B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
4 o0 L6 @" x! q7 h/ I/ L2 q有道理。
, E/ N9 a* p$ H- I$ E$ F3 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 00:200 Y; R" Y* d2 s! M( e
这个不是这么比的吧。。。
6 I7 z) b- G9 X" P; T4 [% c1 x9 N8 }
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; r: ?, X4 z. ~1 O
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
/ n+ i- F' i; g 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
: l- j9 H; X% l! B$ R3 [- 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 ...

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
$ j) B5 f" C5 b- x8 ^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) Q/ ~2 H4 e1 _2 h
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);: g5 H- F% c/ z9 V/ n, I
      std::vector < float > vec2(N);9 I' C# {: b& X# d- ~! P
      float* b1 = new float[N];1 J8 E% o8 n; _% z
      float* b2 = new float[N];4 w* `! p1 J: J+ P

$ A5 {8 s* l$ l3 q5 g       for (int j = 0; j < 6000; j++)
8 p3 p. v2 Q' K6 i       {- u$ f2 E0 k3 J5 H+ E3 _" x
            std::generate(vec1.begin(), vec1.end(), []() {7 a  Q% @6 z  `! _5 L
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;- c% S' t3 J/ Q* \1 f% W( e$ a
                     });
0 a3 N" I- N5 Q: @8 s( d' J$ y- n
9 j" E! m- R3 ~' b. k4 W' ?  B, G             std::generate(vec2.begin(), vec2.end(), []() {: L; |, v% M) w( \$ b4 r
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
9 Z# Z0 k* _& p7 e/ e7 e                      });5 ]" ~- j# ]# A

: f" x: e1 X1 {9 g/ X- }             for (size_t jj = 0; jj < vec1.size(); jj++): Y7 z6 i6 y" i# W
            {6 {& _' n. A0 M
                     b1[jj] = vec1[jj];! l' ?& M( H; P% O
            }
( ^* m/ f5 }0 {7 }4 x. j# j- q% ^' _5 e: _; @0 i
            for (size_t jj = 0; jj < vec2.size(); jj++)
2 x0 d2 D0 W5 Y6 m             {
0 T1 C$ h5 F0 X. P/ u$ ?* p, u                      b2[jj] = vec2[jj];
1 b' ~- I# V2 ]0 w             }
; M( B) L9 g4 @+ Z! V% y
6 T6 E8 y9 u2 b# |# \$ u             //Method - 1  N=100000 247s
8 P4 n+ w. l8 X             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);: v  E# I6 o2 |# a( m
                              + p5 M2 M3 X* R/ |' C& d- r3 i  N
            //Method - 2  N=100000  237s
3 @0 I5 G. k  f3 {             /*
7 k+ C: y2 U( W  c; s$ C& X5 x             for (int jj = 0; jj < N ; jj++), l  b6 |* F. R6 W
            {1 X) \0 H9 Q0 J3 D, ^  n) S5 Y! o
                     fresult += vec1[jj] * vec2[jj];3 w! w! ?; k/ J8 |
            }
, a" G# @% s' k, `* g             */0 o5 T' A# j% q% C
                              & G6 r- g$ y$ ]/ }4 a! _& s
            //Method - 3  N=100000 204s0 X( h( h) Z8 x5 C" D( l3 h
            /*. \7 v: d9 }5 F
            for (int jj = 0; jj < N; jj++)
( O) R/ |2 R/ R4 R- ~             {
$ P% H" G; l  ^' G* `! _                      fresult += b1[jj] * b2[jj];
4 ^& Q# A6 |8 [2 G& s# E             }
, F/ z6 G6 V7 o/ f$ E9 L3 Y             */! ^9 y( p+ L' v; t

% x; E* E* _+ P1 C/ f* _9 i             //Method - 4 202s
( B! L$ W3 w, G% X5 q& k: T8 c             /*
8 m+ e# i7 @! {* Y7 v6 j             for (int jj = 0; jj < N; jj++)  Z" l& \; H$ l7 d/ T  e
            {
3 s  I( f% h- j. |+ r# l/ a
1 s" n, B  X" L) |0 q, c             }- W; k5 H$ D' X' I
            */
$ `  o& T- ~" ?: Z! y             //comment out all methods, N=100000  202s             8 H2 M" N1 y4 w  m" Q4 @
      }. {, O: E7 d( E
" n5 i: ]2 t. C0 n/ x
      delete []b1;: k% @+ B, F. R5 R5 V7 W
      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 t9 Q g& I2 j: G" f% H% ]
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？" h; O- S/ Q& M! U& t m" N+ M

, E0 U. s2 F" g$ r3 O1 {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* ~7 l. ? e! b) ]3 ]* y7 b! ^
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
* y( T2 X1 F! u
$ z0 c' U( ~6 a& L9 Q8 t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& f3 u5 S$ Q; d! S- ^9 Fvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
2 r$ }; P* P1 w1 G0 X{2 z" S' t8 D i* {/ x( V
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