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
7 K, j1 i1 J% }/ _. b$ B, t拉下来？拉多少？+ _6 d4 c7 }5 K- o9 ~
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
6 H0 S; \& b6 N% D. T. j8 M& [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 i+ _& C# L+ K; b5 v' Pvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)0 m, | Y! N e9 ]" A
{' {# ?/ z2 n8 J
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* O* R! G6 t @
这个不是这么比的吧。。。
8 k4 Y7 m+ E5 M: g$ P
$ x7 S# A; o: w S; N, G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
* Z* d/ S/ n8 \2 o+ w. J; l8 b4 C有道理。
3 y; R/ l1 Q! J! k0 k4 Y0 ?! Q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
, @' O: L( v, q: m2 `这个不是这么比的吧。。。
3 f# B) t( N9 a! u& i# b
3 i: j7 a4 ~# }6 s8 m) @# _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
3 z/ @' B8 O; k& O, U3 p5 A: i/ s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! ~5 w$ K* V8 k5 d
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
- t' g+ R! c% C$ }! W3 y1 k( @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
0 S; J2 W {" @: @, A5 F; 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 ...

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& \! N3 |/ e+ p/ J6 Y6 S1 h
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);
. T- t$ I+ v  ^& S+ y$ k       std::vector < float > vec2(N);
" `7 c1 S/ i1 A/ I/ T" Y7 p7 `       float* b1 = new float[N];
5 @  C" H& G. G* ~  p8 d       float* b2 = new float[N];
! j0 I5 J/ K7 o: b3 b2 }
4 j+ }0 o% D/ G, s       for (int j = 0; j < 6000; j++): a! ]3 ]+ e" r$ m* R9 }
      {, U$ e, J/ N4 a3 B: }4 O3 _/ N- i  a
            std::generate(vec1.begin(), vec1.end(), []() {
! y8 V3 }3 L) a  T                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;+ B/ Z2 \1 a3 E$ q
                     });
/ w( n0 L) g6 I/ s6 n- D  d3 t$ w2 }. V
            std::generate(vec2.begin(), vec2.end(), []() {
0 q/ H8 D& r, F4 P- V, S* R                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
% i! H9 F, Q( G2 \                      });
# ]7 A) _2 F/ x4 {4 P4 q
7 p: Q% w0 C- b6 ~: Q$ _3 [             for (size_t jj = 0; jj < vec1.size(); jj++)
0 L4 h7 m$ F( R# W3 S1 q: B             {2 F2 G; }5 {3 I- V
                     b1[jj] = vec1[jj];) |; m: d( s" W& t
            }8 `: S) U+ d7 j2 ]" F; n; D

- M( ?: {* d+ k1 _6 V. L             for (size_t jj = 0; jj < vec2.size(); jj++)
' a( \. ]7 z# D2 f' C. m: L3 q$ Y             {8 R) v$ X' W& \$ E
                     b2[jj] = vec2[jj];
+ m* r/ ^  V" M4 W             }+ l5 ^! L0 B- j' K
; E& [5 P2 }" y2 X
            //Method - 1  N=100000 247s  * K7 Y; f2 E5 ~
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
- T' r2 [" B3 y2 W1 K6 |9 D                               & w+ [' E9 z: ?* ~& v7 \
            //Method - 2  N=100000  237s
; H+ @2 q- O1 X* g             /*
! N- W. P" H+ _4 m: [$ `) }0 x- P             for (int jj = 0; jj < N ; jj++)9 D) ^. ]" b: w7 }8 ]1 u7 c2 U' w
            {7 z9 y6 @. m6 t# _
                     fresult += vec1[jj] * vec2[jj];
8 G/ V3 Z3 G# i( |  e             }  @% z! ~) }" V
            */+ ~1 w4 N8 n2 V. d) J, a9 q  X- ^8 }
                              ! ^. M8 F" C9 U
            //Method - 3  N=100000 204s2 p" V3 O$ ~6 z3 e
            /*8 V& ~$ T, d7 O& N
            for (int jj = 0; jj < N; jj++)
: _" F2 \  I4 e' d- h# Y. p. N             {" W6 B/ @$ h  q- j$ f. G8 u5 d
                     fresult += b1[jj] * b2[jj];
/ P$ y+ `- U, A' d" n4 K             }  M0 N( ~8 T' C
            */; h& F7 N0 Y, D/ Y; G9 V

; |% J7 c  E  ], M  `  _5 P             //Method - 4 202s
+ \( p$ w: G3 _# n- r2 ~             /*
8 C3 c: O/ o  [, P: @$ s. r+ B- f             for (int jj = 0; jj < N; jj++)
  K6 f/ e' N/ t8 C3 y6 t% Y' c             {) r8 q+ W$ ^- x1 Y/ R
                     0 h8 f3 X/ S$ p2 Q
            }
, I+ a- b1 u$ K% Z; t. r             */
; I" K5 O- P- A% f& q; m             //comment out all methods, N=100000  202s
3 ?) s6 {$ W1 K1 }5 }4 T       }
4 ~, l+ B1 I% S9 ], i
2 j& O7 ~' K1 O- [       delete []b1;1 K% c0 I' t7 ]" [  y
      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
- L; m. I ?- g5 T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？0 |" I1 ]7 \8 m

8 g. m) M" X& v0 M" o1 V: E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
`7 ]; t" l; x7 c) Q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
& z) [7 F: e* ]3 T& L; l
% z! A6 \9 s: u6 A4 @& T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 23:544 B9 N: m' d: N7 k4 {
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
[8 ~0 u2 v6 S7 Y{
* \5 m x5 T; l 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