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# p9 R8 w+ \0 v# R. ~ N! k3 M
拉下来？拉多少？
y6 N( g! i5 R. ^! @! \* b5 v9 ?. P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& M' |. C* L" f
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 23:544 A& \: @+ P G+ ]
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
( [! H8 z' C3 j0 O) }5 h{
4 h/ u1 z+ c, B 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
, L+ I% r* K( q7 O这个不是这么比的吧。。。 z4 w5 _7 f: l+ O: X% _& U7 u

" j9 u3 ~: Z& ~% J$ k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! x# X, i! m# T
有道理。2 z* p+ R0 X$ ^2 B$ \0 f, @. G
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
1 P# Q( B8 m( x) R; p1 }% D. _这个不是这么比的吧。。。3 h' \% f n Y7 k9 R
: \6 A/ M# v+ z \4 S
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; l% t0 {. r2 I D
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
3 u; m/ \" h6 A7 V3 w9 Y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) o3 s$ T }# D b9 ]: 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 04:47' X5 f! Y) ^0 Z# u$ X7 Q7 i+ a
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! J2 Z+ w! x* j. w- U1 n
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);" q; B5 S, k$ _6 k6 Q
      std::vector < float > vec2(N);$ p& f) _# v. w. k( i" H
      float* b1 = new float[N];* G; N+ W) X* w+ G
      float* b2 = new float[N];
# D( p+ z$ k! ]+ g! o1 F
3 v/ Z( t! V. p/ Q5 x8 l       for (int j = 0; j < 6000; j++)# K1 ]. |" ~" P( l% M
      {
- P  I& l+ W/ |; L- R! j             std::generate(vec1.begin(), vec1.end(), []() {* k- C, a- L+ X+ I' f. j% q
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;2 ~2 ?6 R9 N6 Z  C0 \) O" N, I
                     });
4 S8 f; d6 w% n0 s5 [- b+ i: S5 ]1 W1 B7 A3 i1 ^  Z7 L
            std::generate(vec2.begin(), vec2.end(), []() {" Q$ _% C+ o8 r8 D8 q
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
, o3 N! r; @& Z; W                      });0 h7 u, o5 \# u: q: G( Y/ E

2 z( ^0 o6 b: R! U( x$ P             for (size_t jj = 0; jj < vec1.size(); jj++)
! T0 t; S* a; n* w! V2 \             {7 L& f- l2 H, {- N0 ?
                     b1[jj] = vec1[jj];% n: h: w' H+ E" P8 @/ _2 I
            }
" ~+ V; i5 ]. i7 t0 M1 z$ ^! a7 A* u" `% x
            for (size_t jj = 0; jj < vec2.size(); jj++)
' f$ g3 [8 X# A* M6 H4 i$ V/ R             {% H9 j% [( w1 [  v
                     b2[jj] = vec2[jj];
: J( Q% [  y* U7 Y3 Q             }; ?6 e7 x9 u: e! a) O
; m- O/ X  ^7 T" X' A% x' m
            //Method - 1  N=100000 247s
% g# Q; ~$ k0 O1 f+ H3 T& ~             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
. m- R' X5 c+ I0 Q                               , M. i- O, m6 p# b
            //Method - 2  N=100000  237s
8 B- I! d2 J1 H             /*
6 R& `+ w5 d7 M             for (int jj = 0; jj < N ; jj++)2 q, z% t8 D0 S
            {
4 J, T% Y% J" K$ L. x1 J# o9 J                      fresult += vec1[jj] * vec2[jj];' z  F: o8 L' ?, _4 d3 ]
            }2 O3 _5 G# b- Q
            *// z. |6 ~- K( B7 m0 D/ T

" p' q* g: _/ P/ M) @             //Method - 3  N=100000 204s
7 f  N! K/ x; z9 n             /*7 }7 D+ N, N9 S. l9 c& [- w, ~
            for (int jj = 0; jj < N; jj++)
: n9 F; G. X1 a1 Q) j* M& D             {
3 X% }+ X; n7 Y! r                      fresult += b1[jj] * b2[jj];
. J, v. k0 G: X6 z- N5 _$ ~             }
+ T5 c9 Q& J9 g0 i6 A             */
" R5 z3 Q( p4 X* h- Y2 l3 y9 i0 f5 ?( y" ]+ G) @2 n
            //Method - 4 202s, N( v6 m* v2 v# Y
            /*$ e# }$ B: P; p8 `( |$ M4 G
            for (int jj = 0; jj < N; jj++)
, p. }$ r! q% ^" @0 ]             {2 u: S0 f) ]% w' ^' t) j

9 C* `( g4 ]# k9 G* X             }
. q! i! Q0 i( v/ ~0 Q; q) L' z             */4 h- `, x; P" A( G! d. O4 H
            //comment out all methods, N=100000  202s             ! Y+ v& `7 E3 \/ H1 g3 t
      }  z6 U+ f0 t) w6 g. }3 h! O3 h- \0 f

/ ?- F+ q8 ~4 w# g& o3 }+ v* P. j3 r       delete []b1;' [7 b! D& ~8 u' Y  S% v. g
      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* G9 d+ k$ \) i3 p% o5 I# {& 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？% [, p' O" r; ?

$ f% C+ i g7 _4 L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
5 R7 y, k. ~, ?' N: F8 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、LOL7 O% {7 A. ^3 p+ l1 g3 Y& E

- y4 b( f$ i7 `0 i5 |7 c" R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
0 e; Z' Y: e, Z& I* \5 Cvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
" q: n7 d$ I8 j6 i% l{) M) @4 E1 r* w9 ^& n7 c
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