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 Y3 U( n$ u4 C/ f8 g9 i
拉下来？拉多少？
; n& K' z, f7 _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) `/ ^8 a) [' K( a
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  O# ]1 S" Q. o( u6 V8 L; e& k
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)" c2 K9 i  f8 s1 C& Z* I
{
2 P( b, J, _8 l  G& b: @( ~) C 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
/ C0 h/ v! L( m% \" `; H7 U这个不是这么比的吧。。。
6 x7 O7 W T3 ^6 z
1 r& ]1 H K$ W1 C) E% i; X" X! N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; V' z; A: z, I i. f
有道理。
1 u: | U3 f4 I9 x" b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
% S( N" [+ `! |2 ]$ }这个不是这么比的吧。。。
- z, Z6 z5 ~1 a- ^) d. S3 g% Q( ]# }+ L( N
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) m9 o& g1 v1 U5 {+ p6 F5 p1 V
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
1 H+ N$ g6 O1 L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
0 F- U9 i' Y( M, U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 04:478 |- S8 p: v0 |5 X# c6 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 ...

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
- R1 G9 H8 `# K8 B3 ^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);
7 b( u3 p+ [# M  ?- M  G       std::vector < float > vec2(N);( E9 B8 f- l5 l* U  y
      float* b1 = new float[N];) ^$ ~! M3 `, y- C+ d4 G
      float* b2 = new float[N];+ {4 T9 U" o) W3 a' j
4 j' S( O6 [' {- i8 W& h! Y
      for (int j = 0; j < 6000; j++)
, v8 G4 D, `% r( a$ a) ~       {
* ^, R7 G0 J$ `- i* i, R             std::generate(vec1.begin(), vec1.end(), []() {
4 ~" ]2 c3 V& ?' K0 H$ u( G1 H                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;  e  ?/ M" b7 _4 y4 J
                     });
" R. h0 X# v8 ?- I( M( V$ L) W
* h+ K( K) \" ^1 {6 _             std::generate(vec2.begin(), vec2.end(), []() {
! p/ b; x8 r% @5 Z7 |3 q                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;& t- F# q- D2 M) g4 c/ I* Y
                     });
0 G) P2 c# H2 ~0 m
. Q  P$ x+ _( Y             for (size_t jj = 0; jj < vec1.size(); jj++)
. C7 b8 d( w( A( e. x             {1 G- |1 T% l7 A  k1 K/ t$ j  T
                     b1[jj] = vec1[jj];
+ I0 N. [% O" Y# W$ z             }
8 b$ s2 `/ O9 t* A1 B5 e2 G  E2 C( ^, K, d; u( {& J
            for (size_t jj = 0; jj < vec2.size(); jj++)% y7 W4 }* V& G- P$ l7 _
            {8 S" S* G8 X/ S& m- S
                     b2[jj] = vec2[jj];1 s2 `# s' S" X% w
            }7 R6 ]% [- Z  |3 [& S
% ~) {) k4 E* j$ O5 t+ u9 L& x
            //Method - 1  N=100000 247s  8 B  v! Z( k9 B/ A& H7 Z
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
3 w$ u/ V9 ?( ^, Y
5 M' q4 J! T* W             //Method - 2  N=100000  237s
4 d! `( s6 d/ u  K( t) Y' A             /*0 S0 Z; J* [( k" I0 {1 `
            for (int jj = 0; jj < N ; jj++), M" d% o8 P9 K% l9 I* b
            {
) U6 @4 \" h: M+ }: z! v" M                      fresult += vec1[jj] * vec2[jj];
% k  V8 u. a, }; T' V- [1 C             }% J% Z2 B' t0 L' M: a: Q
            */$ f' N2 l9 O' a* @( @8 N
                              . |9 q4 c# K* W% s$ Z# m) G
            //Method - 3  N=100000 204s0 l" Z6 u5 s, z: i/ t  }* M
            /*
; y& J' v& M+ k             for (int jj = 0; jj < N; jj++)* I) h: d/ q7 x$ h7 k# K
            {
& Y1 H2 g* ]/ T$ D# F                      fresult += b1[jj] * b2[jj];% R9 X6 c7 L( p* R$ Z
            }( x& E4 R  @0 r* Y+ F
            */
) z) k8 ?# a" ]& H$ P  _4 N$ m+ O1 J4 A6 R# ]( r) ?* K" p
            //Method - 4 202s
5 k9 u) ^1 \% n; v6 A2 L( L             /*" C  a* C3 @+ x9 F
            for (int jj = 0; jj < N; jj++): `' L/ y+ u( t8 m$ d% b$ n0 ]
            {+ |# a6 A( Y/ N( ~9 `( E2 X  o

/ E- e8 X( E/ }1 h2 Z) y7 m5 B             }. f, ]6 H8 J9 ~0 r+ L2 o
            */
5 V  k, r/ s- @8 {/ M1 R             //comment out all methods, N=100000  202s             " t! M, z' z6 [; m* [& u
      }2 S/ b* ?8 ?/ I# Q" @' B( H

; Y1 g6 m" e/ Y8 x: `& {       delete []b1;7 O0 a! z6 p- N, I
      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/ M8 V$ t4 J" X+ B
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？
# [( t, @% d- C/ b' K
, { a5 e" ~) n- W' N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
, Q, q, }7 f9 ?* C9 @+ D# p) |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
% o8 u6 D t" P3 e; x5 m8 c
$ @0 m0 X: ?$ ^8 T0 S) s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
* W; u8 |7 v+ B9 O, Nvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)4 b9 d/ d9 ~' |# O/ W
{& c# C0 C! X' i% p% 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