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
2 G. i- y8 S" i' ^ _ Z8 E拉下来？拉多少？
2 b3 s1 f5 k* V" r( X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 23:331 s8 p6 V2 r- [2 y' b
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
# z9 ~* p2 O( ]6 {/ m) e1 ]void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
% L( ]# [6 J; M, a6 L9 @; r{# Z8 Z5 a C% V/ l
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 00:200 A+ Z8 Z- k$ t
这个不是这么比的吧。。。' @! B5 I# X8 c1 `8 J) G) `
; O8 w* l5 Q4 t8 M; q
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
* b5 i1 V0 n# t G: O有道理。
7 k& P8 k: H7 v, h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
) ^# y% T6 n: W这个不是这么比的吧。。。
6 k0 T- c9 O) m, A9 j& k6 f! c. P: B+ \3 {" e
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
; f$ t- Z; E3 K$ b, x% |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
' p1 {3 @4 v! D& Y7 \4 b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
4 f! a, |# v* j i5 D( M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) q; p' T6 n' W5 X1 L& ?5 h _% T
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. G- x) _! K" o, b% a( @8 x, Q
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);
9 M1 E# Z2 S& I7 s8 r       std::vector < float > vec2(N);1 R; n0 z( U* D
      float* b1 = new float[N];
4 X* c9 b6 D2 m; I: T3 d       float* b2 = new float[N];
9 f" T/ s  g# }6 A+ r; ~
. z/ d3 B6 j) W' f5 a       for (int j = 0; j < 6000; j++)& n- R1 u) Q( D  w) r, u- a  u
      {
' v: r% J" }% N9 b/ w- P9 e) t             std::generate(vec1.begin(), vec1.end(), []() {8 i1 _$ v2 P3 e8 z0 p, H
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;! R$ C- }- x: _* w
                     });3 x' H6 V' B1 ~& ?( Y; t! f' X

# c8 |, r' m0 j; |& ^             std::generate(vec2.begin(), vec2.end(), []() {
2 a! T4 J4 w- d) {                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;0 }$ z4 J1 W7 ]1 b& a2 `  @  E
                     });
" M' x: D* e7 D5 t* b8 N# H5 S& p
" `4 N3 B( Z, \2 y0 o, w5 s( @             for (size_t jj = 0; jj < vec1.size(); jj++)
0 n( W. Q; w3 T8 R4 s             {
& Q, {& \8 Y0 F) d0 p: c! s                      b1[jj] = vec1[jj];& s% v/ G. b, A
            }
& p; h; Z8 Z& |' K5 f0 p; U/ k4 }2 D' [' E# F' J
            for (size_t jj = 0; jj < vec2.size(); jj++)
* l2 A  p$ D+ p0 |' z& K             {
/ |8 C0 n2 h, i. r* D9 I' g6 Z                      b2[jj] = vec2[jj];6 Z/ o9 F/ j# ]3 j4 C
            }& K  D" a( L2 h- f3 u

/ B! X0 ?; a4 P, r' [             //Method - 1  N=100000 247s  ) W' `, p5 T; _. D% J
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);* N4 M3 W# @  j: j# H
                              2 N# }# J+ b0 P
            //Method - 2  N=100000  237s6 t& s3 I) f! @% X3 l9 l5 c
            /*9 B" n/ m% F3 c* ?, ]7 Y+ m" Y
            for (int jj = 0; jj < N ; jj++)
, i- y2 p/ I, f+ Q5 @/ h+ u  ]             {5 u$ A% x6 w$ M9 i$ r
                     fresult += vec1[jj] * vec2[jj];
# C: b/ u, d- y! }2 D             }+ c6 g' Z3 ~! _0 e8 c5 g7 H
            */
$ x1 y/ G/ n; ?4 u2 \, B0 g                               / g7 y2 x3 [7 ^! |
            //Method - 3  N=100000 204s$ I! e# G$ G# ?; U9 D7 X9 R. j
            /*, H4 Y- z: T, I+ d) `& Z
            for (int jj = 0; jj < N; jj++)
4 _. |. a  K' Q1 n/ N; Y5 s1 \             {) g1 B) Q+ f* a  x3 w8 D, p
                     fresult += b1[jj] * b2[jj];4 H  q/ E, W$ q5 d
            }: |; N$ m4 {8 u2 t. G! e
            */
2 l' T6 W  R5 r5 c: J8 ?
  W% h% I( ^! w: Z, n# R, Q& z/ |             //Method - 4 202s+ Z' J7 N6 G7 x9 p  P; Y
            /*
4 ]6 y( ]) l8 ?- _% Z8 _             for (int jj = 0; jj < N; jj++)1 D" T' ?9 Q& S
            {1 ?6 d* y" |2 P- M
                     ' n7 a& I' v7 Y$ H3 _+ K, O
            }
! F) U! _) ?$ k! \* X0 Z% t             */
2 G3 }" d7 O/ G9 B1 u! _             //comment out all methods, N=100000  202s             / U/ A$ y) `) E9 ?
      }0 X' Q" ]8 c" k) M# L- S

9 d8 h( x2 V7 c       delete []b1;' g& `! T/ [/ P2 E% l3 l
      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% m9 ?9 N# {; |$ t: d
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？
; f1 h6 m# P* v- V' B9 D: S, _( F& j9 N4 V
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
# S& s& e# |2 l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
U( G" l# m9 w( ]& _# N/ E6 B& f P1 a( L9 i
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$ F/ `$ g% F3 Y$ U* A
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)) p: B3 t" F5 L; x
{ x+ h* w) s8 C$ e4 k5 h
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