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- f W4 N, t2 s6 t; H- V
拉下来？拉多少？/ `3 d" U" T; A" m0 D, 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, i4 S+ a" |! t$ ?8 k. W, t
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 23:545 J: k% J* Y+ ~% s) B$ W" |
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
7 J9 [, @, k+ J$ ?, w{( D8 H3 Y+ P! l2 A; d, T
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
3 L& ?; F. n' R: @* j/ h5 Z- `这个不是这么比的吧。。。0 P% E+ `* y' X8 Y
; s) p+ j$ V" d; C( e2 F
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
9 s6 v V* B& B* J4 U5 }有道理。# x2 j2 p5 a- F& f8 r" Q- N) y
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
0 t: O. h- Y" w这个不是这么比的吧。。。& @: Z/ {3 l/ s7 I) p) v
. b) J& k9 q7 \/ L0 k/ o
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
: m0 Z8 P g+ ^4 k$ N/ A' 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
Y0 |1 U8 s) B; l6 R0 P: N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 04:479 _0 N% z( O: K- ]+ [, P4 w1 y
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! u. @7 v% `. s) v* o
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
1 g! |0 u. t; ~+ e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);' Z0 ^# K: v" q2 |) |$ M  O
      std::vector < float > vec2(N);# d' n2 \8 G' l2 M' v1 E7 K& y6 K+ z
      float* b1 = new float[N];) k6 ?9 y4 w# o! B* \( f/ Y7 p
      float* b2 = new float[N];
, O  Z( I/ I( r; D! _' @+ a, _- p% U; R9 b6 J$ v
      for (int j = 0; j < 6000; j++)3 D& l$ ?! E4 ~( {0 |- M
      {; S- p+ v2 ?* l
            std::generate(vec1.begin(), vec1.end(), []() {
$ z6 z  @- J% C8 S& q7 z1 T                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;; {# E' [4 {0 f0 \9 |
                     });
/ g# f$ T1 J; L
1 s  g" i; r6 k/ P( d8 U             std::generate(vec2.begin(), vec2.end(), []() {+ k1 F' k/ d$ {0 ~6 V# ?% q1 C) U
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;8 W$ m, ?7 ^9 t0 d
                     });$ U! \! I. e  V2 Q( L
2 Y1 M5 p! {/ `& v8 {! F
            for (size_t jj = 0; jj < vec1.size(); jj++)+ j) D$ n4 W' S& U5 X
            {. N5 t: t, W% K+ f
                     b1[jj] = vec1[jj];; E* c$ `2 {2 Y) b2 W# s
            }
$ l. Y2 r& D: {( s1 [% ]! l4 D: k& F' q% Y! {' V4 {
            for (size_t jj = 0; jj < vec2.size(); jj++)1 l+ H& ~. ]+ A" Y
            {; q1 v, s. A3 \0 v" X
                     b2[jj] = vec2[jj];! E7 @& W. f( S3 o8 J2 f6 f/ x, f
            }
  J: C2 t' V# a$ e8 P( c: p' W4 }# {5 y, V0 A
            //Method - 1  N=100000 247s
8 c; \) B! b' _( t0 q0 @" _4 [             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
: z2 Z( @4 {4 x  r9 q/ i9 {                               ) f( g. @% [' o: E
            //Method - 2  N=100000  237s& A+ s& R. s0 m! a: a
            /*0 U( Y0 R4 x) l# L
            for (int jj = 0; jj < N ; jj++)
& ~7 ^7 V) t* m0 I' w& t  F( F/ U+ l             {' i0 |# h1 z; e' u3 l2 ]
                     fresult += vec1[jj] * vec2[jj];0 y- l* q) Y! Y/ H( D+ ]! g! A
            }  \1 O2 \) u1 `6 Y3 s' ~
            */5 o( S7 G7 q# r- H
                              # g' q2 b" B* Q  {. P/ U& t3 ~
            //Method - 3  N=100000 204s
6 K' n8 a3 M) k/ B  e* K             /*
, W; ~; G1 X! s  r+ D             for (int jj = 0; jj < N; jj++)
# H$ E1 ?# l, c4 i             {& P" S" l% @+ w6 t" X4 Y. J8 P$ X5 i' B
                     fresult += b1[jj] * b2[jj];2 ]# f* S# E# U* f) H, g
            }/ t* K6 s( I4 N
            */% Y% x, q# r7 A" z! d; F6 v7 Z

! c9 r; z1 X6 n- K' n& _) A2 n2 E/ v             //Method - 4 202s
# o7 k1 b- N1 M             /*
: K* B$ v" e$ ?4 y& a2 B3 A             for (int jj = 0; jj < N; jj++)
) X  b; ]1 b3 |3 C$ S8 I             {
7 m6 ~( f5 E& [' q& _! d2 p/ [                      * h1 L! G) ^/ ?' m; K% y: K
            }; w' Z3 D  C8 [$ i/ B" n& @
            */
; _  T7 q  s4 k5 |7 [             //comment out all methods, N=100000  202s             % V$ R; L% e4 z2 G& ~
      }
7 i/ R0 K! C# X% E9 q! s0 q
2 F. ]& G, ?2 G/ y- y6 I6 v+ i       delete []b1;* J& f" v& [) p% V+ j$ b  J8 v
      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
0 Q% V1 t M2 |8 f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？' g! g/ x! g( j" [% f' {. A3 e

. E$ w& O6 T0 T5 q) a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& U5 J) C& \: a! o
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
1 D! B; M) ]7 c0 R* X3 m
( K" Z6 D% q. d$ K* T' y; R7 |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 23:547 b" w. ?  d8 R! z
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
  d3 q2 j: j" o' m- l' ]{
% ]  E! G( F9 Q 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