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 23:045 {( T, z; L- I" |* v
拉下来？拉多少？0 z/ s4 W6 |; b9 d
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 E: N- M- g8 _ F' B2 w! V8 C
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
' @9 M$ A! H$ F# p( O/ c5 Avoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)8 K' D) L$ J4 W) W6 |+ k. U- Q
{8 g9 I% k6 ^# e
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 t$ I5 l" ?) J0 a
这个不是这么比的吧。。。
+ m5 B/ C( S0 X K5 {6 t; l
: g1 v$ v: V- F$ f3 C2 ^& A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
) B/ l. v& d: R有道理。
' Q3 T/ {. H; N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 00:203 z% L" |5 I! ]" z$ p
这个不是这么比的吧。。。
' g6 P* ~; W0 C* T
4 H( E. X$ M1 D! X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 01:484 c- w; ?& Q" L
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 01:277 s) a5 H$ z5 ~. s- A8 s6 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
% [/ o! Q0 U1 i! T/ I$ o: R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
3 b& V6 L. u6 c" v" c$ R" _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 v1 s; r: G3 d( A) X& l0 l3 f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);+ [/ X" |2 a, i
      std::vector < float > vec2(N);
/ ~2 V) c' G, t. R       float* b1 = new float[N];7 f, d2 g$ z5 l( `; u; E: ^# \) X
      float* b2 = new float[N];2 I& \$ @# D* c5 ~- d

! L; N; {2 i. {3 o1 p' m       for (int j = 0; j < 6000; j++)
' `5 \8 b1 |/ j- X/ l       {
, i% K' j9 O$ S7 e( A             std::generate(vec1.begin(), vec1.end(), []() {8 Y6 Z2 r7 W8 W" _2 W
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;/ f4 Z+ \1 x( s5 t2 K6 \
                     });  c) i% @' o3 y4 Q
: g# i  J  \  Y! y* ~, Q
            std::generate(vec2.begin(), vec2.end(), []() {
0 l5 z1 R& @1 f2 y- @8 \                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;4 b$ A/ ~+ i3 N
                     });
! S& J& C7 c8 W1 o/ s3 \; \& H. R: X
1 e3 g+ V+ `7 t             for (size_t jj = 0; jj < vec1.size(); jj++)1 @) L# m3 V! y
            {
1 R6 [5 P: y* {2 ~                      b1[jj] = vec1[jj];4 d! ?3 E+ Z% i# r# u; x7 R
            }; x8 x. d1 Z9 n6 T, V% V

( l$ p. w+ }) z' @5 F1 U' q1 \             for (size_t jj = 0; jj < vec2.size(); jj++)
0 _. g' B1 A% {+ s9 b9 N             {
; G( G, a( \; G1 o! v2 \  {/ T                      b2[jj] = vec2[jj];2 ?# X6 W8 @( G$ h3 W$ {
            }4 g* z9 w1 A5 Q3 {7 O

) t! G' h: t* Y0 |, H4 j             //Method - 1  N=100000 247s  + O2 Q. i0 E: n/ |) c
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);) o) x' B; T, O9 H' E

+ H( \; n0 z/ a  B             //Method - 2  N=100000  237s
2 M0 X  E# x) r0 r. [# x) U             /*7 O8 _! q1 _9 I. l; Q4 w% S- e/ @
            for (int jj = 0; jj < N ; jj++); @! k+ h* Z" t4 W
            {8 ~# i& ^2 P7 U$ j
                     fresult += vec1[jj] * vec2[jj];8 S9 Q- V2 I5 A6 e- z5 q
            }
% d6 y0 H5 V4 h* P$ o; G  r             */1 y6 B0 g6 U2 n3 O  t3 k) I4 U
                                U% W8 J+ B2 V6 R! @5 G9 h
            //Method - 3  N=100000 204s8 Q0 v0 V7 @% F& U& ]" I
            /*
7 u+ s9 ~, o6 q& j; R8 V" ~& _             for (int jj = 0; jj < N; jj++)6 {4 V; ^1 b5 M* E
            {0 [! f, |& g$ H# s% S9 |
                     fresult += b1[jj] * b2[jj];) d8 V' Q8 k. J0 ]2 K, ?/ D4 L
            }  J: S0 D2 H8 }; o1 y
            */
7 ]7 Z6 \# n- c- j" k/ h; o
3 V' t: H: I$ C+ r0 \9 X- T             //Method - 4 202s1 C8 |* q7 W, \
            /*4 ~, K$ Y0 e& ?) c
            for (int jj = 0; jj < N; jj++)8 J! ~4 K' A. z& B- S
            {
/ Y, J# k6 h( n                      4 Q0 o  U: Q& U3 J
            }5 Z, X+ {! ]: U7 Y3 _; K  r, \4 p
            */
% s) U0 E. ]& V* A7 c- Z1 f             //comment out all methods, N=100000  202s
. F$ l. [1 V. x  P$ @2 I/ g. E       }
0 I8 N, `5 i' O  X# `; P. w( X- V' v: l: D  V
      delete []b1;
# o: v7 `4 l8 Y; k$ o3 O       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 00:159 R7 w( f1 K9 L5 _' L4 G9 c; ?* h4 I5 @
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？
u& p4 ^/ O0 c; i3 L$ t* T
5 Z- ] u2 }* S+ ^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' ^; a7 h- @) c0 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、LOL7 t; {! B( h$ F* Z5 _7 w4 J
" }: F, K' N2 g) a1 D& j% O
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, z0 c, T& y8 R: `4 ^
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
/ _* s1 |) i; N: l, o. y{
2 ^4 r# l- m( H; N 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