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
+ i9 _/ H5 n" F2 b( v" y6 O拉下来？拉多少？
' x& n+ P1 x" h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
7 k9 l/ u& `. N7 L L, u2 CMaybe 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! c8 _% L9 S+ |6 c @
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB), ]& ]7 Y8 |# ^, N* O1 W
{
F' I* r4 u$ I 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 00:204 S5 R. |8 A" }& B. A1 e H
这个不是这么比的吧。。。$ w, ?2 [# T3 Y5 m
' u# C S6 ^* R9 h3 x1 c
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( Z0 Q% K" @有道理。3 Q1 ~) q$ u* H8 ^& M( x
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
; E& E3 f7 I3 Z1 v1 o% A1 }这个不是这么比的吧。。。0 \ }2 M) _5 D+ T3 u; p

" y) w5 _ _5 p. d6 x$ c |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% P: {# {! Q. v/ U
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
( |+ p4 Y% t5 `( x) H* C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
) X+ a0 [ z% G4 ^! G5 @5 J1 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 04:47
. q: r6 `* F: d5 J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 14:584 s( d3 {5 G" A( r* t- l7 L
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);
& i& S; }1 L6 X6 I$ ]" R% f0 \$ i       std::vector < float > vec2(N);
$ D4 U/ U' p2 [, g, f0 C8 i# w       float* b1 = new float[N];5 t; I9 R3 N. e, r# h% k
      float* b2 = new float[N];
3 A% p2 W4 u, f# ~
- z5 R" f8 Z9 Q+ |! v. |" ^, }       for (int j = 0; j < 6000; j++)1 Z/ W1 P' p. Y8 Q0 \8 t
      {
* z7 W: X8 c% H% c$ D# j             std::generate(vec1.begin(), vec1.end(), []() {
; s- {: C( `7 R  L/ A1 T1 _                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;3 B& q/ U6 ?2 i5 m9 P
                     });7 x# Z1 E) }2 e# ]

. f3 m0 N4 o# t1 y$ c- S8 ~             std::generate(vec2.begin(), vec2.end(), []() {& a& V; j/ X: |8 Q
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
: S- y$ K. l% S" ?6 U. o9 T& O                      });
& R% L# q! D: h& Z: [& |) S9 \, o+ F9 {1 x+ B: }
            for (size_t jj = 0; jj < vec1.size(); jj++)
, B! x8 N# X( |* J" Q4 C             {* `+ \# k5 n8 M
                     b1[jj] = vec1[jj];
& w7 K6 F/ Q% H1 N+ w# f6 |7 I             }
. Y% E, E! M6 ^% S! C
1 B  z4 }/ X# H- k$ D             for (size_t jj = 0; jj < vec2.size(); jj++)
; v% ?3 U' P1 X             {/ N% d5 G4 C4 @. x
                     b2[jj] = vec2[jj];" X. J7 T. b& N' _- n$ t7 J4 G
            }/ n! s" f) D; `6 g- g
, v  N6 o$ Q3 @5 t; b
            //Method - 1  N=100000 247s
  _- ^9 L" R  R4 S" P  i+ M             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);- H$ J$ p& w6 l
                              ) f1 N$ H- C  C; A6 N5 K- \
            //Method - 2  N=100000  237s
% h) a7 ]4 q& }( e" @# c             /*% U  |/ a* ?; e0 A5 z
            for (int jj = 0; jj < N ; jj++)
& I$ U4 @* I* \) Z$ u             {
+ ]2 E) `2 }4 D: s, [8 D8 N                      fresult += vec1[jj] * vec2[jj];+ T6 u% F# T: ^9 Q" v' z5 M: G6 J
            }! s2 ~/ X7 e4 _  ?3 a' L$ U
            */# T$ a& Y  {7 {; S
                              ! m6 B8 ]) _  Z/ e
            //Method - 3  N=100000 204s
4 B# `% H  M9 o) y6 s             /*. `" o8 }. n0 Q, O0 P
            for (int jj = 0; jj < N; jj++)
; w: k" w2 M& }% ]1 Z8 @             {" O1 ^, n5 }1 D2 U( S
                     fresult += b1[jj] * b2[jj];
" B$ X: M7 u( n7 k. u$ K             }* y- u# f7 W/ L/ |
            */
% M# X9 d' v" f- L- {+ F5 M: U7 j$ q) q  J+ n) K! R/ Q
            //Method - 4 202s
% D& b" V  w$ J# m" b             /*
9 F& K, V& P# [4 G7 z$ k) p             for (int jj = 0; jj < N; jj++), E! y1 J  ^' F- L; \7 d
            {
5 p) r* q1 f* d( A4 b4 ~                      : U7 B; C. l, A' f1 ?
            }# g9 L5 N$ l' ]+ B$ G
            */7 {, O" b; |' h1 K
            //comment out all methods, N=100000  202s
" T. i. P# V' C9 R       }
% _" d* \) |$ p
. f# j1 l4 U9 B+ O6 T* w       delete []b1;
' a/ ]$ z* \! S       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 00:152 k q( c: P% F8 I0 m
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？- }3 U2 N' | M$ I

" X# m( {, J& [" H1 q5 L! W# F! B$ w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
& _4 I% P! T& N+ H' W# ~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
( l D4 @/ a$ G+ k
K* Q6 @: n( f t; @: U$ 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% g2 @; d7 T/ X
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
' P+ t/ I# X2 r9 d# |/ ]{* P+ P& U: K! t% o
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