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
4 m2 n. R4 t, P' V9 {拉下来？拉多少？- K% A; I& A4 \* U/ x" p8 ?7 _5 S
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' D3 ]1 Q0 L2 p4 G. n) n
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
5 Q8 T9 g5 q- ~! D) S6 d# s. Ovoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
4 x' L& m- p0 L{
* J6 H u, |6 m 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
0 ?8 J3 b0 X% J6 G这个不是这么比的吧。。。! U- f; M2 u3 N7 A. \
+ \7 I# Q6 z& ^4 F1 D9 ~6 y
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 00:467 `# Q: R9 a# d
有道理。
8 D; ]! d# \) c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
& ^* \: k+ ?! r8 B这个不是这么比的吧。。。
) \& K8 y) Y1 C
$ D$ s3 ~. I$ ^5 H {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 01:482 @" }& z8 r$ G$ N0 n. b
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 01:273 h* `0 U$ x S3 Q3 _) E
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 b! b) D1 F! S1 j% J7 e( e! L h
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 ~' k0 V; ~0 \5 c6 Q
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
' D& N- e7 i \( [- ~' _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);
; p& b6 ^: i1 c2 g       std::vector < float > vec2(N);
/ t; U: h8 m6 X( F- ~       float* b1 = new float[N];
) ?, e- i" `& N1 R" N0 F* q9 R9 Z8 [       float* b2 = new float[N];
; i: N0 n% H6 p* ]$ m4 v; S( y, b8 K6 m$ y0 M2 g; B5 p2 z
      for (int j = 0; j < 6000; j++)6 p7 r$ g/ l! `6 ^
      {$ D0 n, i/ q( Q3 b0 z
            std::generate(vec1.begin(), vec1.end(), []() {' S* o3 @( S$ n; p
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
; l% F" d. ^1 t. y                      });
: y* B3 P% C9 V" s& p$ u' d! B  ^6 G. |  W5 D" `$ O" d
            std::generate(vec2.begin(), vec2.end(), []() {
6 ?+ Y. y1 I; }% n$ @! q                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
/ B3 z) B2 r+ I                      });
* }) A5 b  [" c' ~, Y* C0 k8 y
# i& E0 M3 }, m8 A( e             for (size_t jj = 0; jj < vec1.size(); jj++)
  Y* e* J' C7 a: t) K) ], K" Q             {
; b; q0 r- W4 ~/ o1 _* H                      b1[jj] = vec1[jj];1 [$ H" Q: O+ t; _5 R
            }0 ]2 ~0 {( D( y) ~3 J

! I. Q5 T# ]  ^9 O" \- l             for (size_t jj = 0; jj < vec2.size(); jj++)8 w9 E7 ~. m& N1 _4 G
            {
5 E5 z- G' w- [3 Y' p: A. ?                      b2[jj] = vec2[jj];
$ b4 Z" P# P" e1 A+ D) @             }
* a; k. ^6 J6 D9 C; ?% C% J  i1 ]( D  c! u, p4 p- z4 W
            //Method - 1  N=100000 247s  4 t* V$ [$ S# y. u( v* ?  ?
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
: H& t2 N  _5 t/ I, G# @1 B% n
6 a) r8 h3 l3 {3 m1 c" Q             //Method - 2  N=100000  237s  z7 o  d- _1 W# _
            /*
; y* B! W; B, L4 t* j0 a             for (int jj = 0; jj < N ; jj++)
7 B! u7 b! H+ q+ y* t3 \& h             {
                     fresult += vec1[jj] * vec2[jj];( }* o8 y& b/ D
            }8 b0 [) i  W6 o: Y3 `" m
            */! X. s) E, S0 {) g
                              $ e! a# p% G7 [9 Z$ e$ a
            //Method - 3  N=100000 204s( z, g6 K! f, ]/ Y2 Y
            /*
" ~3 U7 Q" F, b8 r0 S             for (int jj = 0; jj < N; jj++)
2 U, y1 z/ [! i             {& W  d9 s, A: }8 C3 ]+ w! B
                     fresult += b1[jj] * b2[jj];- f4 G; z* r, L- \
            }
# F! z1 ]7 B) W% V             */8 l3 m# P0 O) h; n: y' F: t: Z

# |1 s6 S  |6 d) |7 Q             //Method - 4 202s
3 ~9 X6 H0 _, O8 R- Z- X  b             /*. e5 R3 r' Y% {2 d8 V; Y0 Y' I
            for (int jj = 0; jj < N; jj++)
3 E7 O' H) Z$ `7 [             {$ ^8 \" I$ m3 d. u9 C! t1 O8 {5 D
                     " n  e# E4 T4 K- U1 e
            }
( M, H, i4 s9 w7 |2 L& H' x1 Y- K             */
4 Y% V8 J# l9 E' }% H             //comment out all methods, N=100000  202s             ( X: D5 e- \) L
      }
) N/ @$ N% a" ?. [; d( b5 r! w3 o4 D  m# T) z4 |* t
      delete []b1;
% A- q2 F( ]! v& g% F7 w0 D" u; D7 T       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
; F; ?# a, N4 F' T1 p" R( L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？
* E# f3 _; ^/ e" ^ [; ]
( t5 Z: d% e8 K/ a, K' X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 01:169 \5 ^. v' ~( a( ]2 ~
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% J4 S3 B# \; m/ m& M

$ q3 {1 d$ z3 i# d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 23:549 a$ e4 k" }3 Q2 Q& U
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
7 I- T6 a- I o; P$ m6 e{# G* X$ V) R9 a6 i6 [7 W
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