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. b% S- w2 D. K1 w
拉下来？拉多少？
) b' t2 W3 D+ u4 E0 S: R5 q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/ n5 |) X# i% Q \7 a: ?* T
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( @# z# E% _8 ~& d8 U
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)! w- ]4 e8 F6 b& j7 K6 P
{
# y) Z# I9 s4 z- k0 B; K 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
, Q# X( }, u; ^% I# M: @; t! S! H这个不是这么比的吧。。。
0 C7 v4 [: n! E
, z; f0 Y0 m, 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）。

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
/ H6 F1 @2 r* |' M有道理。- a& l; ^" d+ D, z& V3 s
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 H5 V* f2 e* \. d1 P- ^5 d: p" T
这个不是这么比的吧。。。
9 {% v6 w: M* n. ]3 T" k0 j1 K/ W* b# n8 `7 y# R" a- t
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
0 y' \ g |$ A8 l7 w; o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 01:274 ]0 u8 A: _7 h9 \
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 04:473 ^5 W, i' v3 g7 i5 v) B
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
) Z) E: ~8 z' R, T. X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
- V/ v7 k5 ~ C! p1 l2 J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);
' p; f7 J6 G* h5 Z8 Q4 B5 Y       std::vector < float > vec2(N);1 {2 X0 @; T/ R
      float* b1 = new float[N];
: u5 f' \; o" K3 R       float* b2 = new float[N];
. J6 L5 x6 y. T. k; k) A% m1 i. {& ^" e6 B8 X2 H
      for (int j = 0; j < 6000; j++)
# j# N+ W' }3 N8 R& v       {
7 t# P( N6 y6 z+ f( |9 v: G             std::generate(vec1.begin(), vec1.end(), []() {
' u: _5 i# ^0 p8 r/ O; x                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
; H: L2 ?$ J' i, Z' ^2 @* Z6 Y                      });9 R& M7 \% J4 i' }5 {

' T* L' `: l, q" ^             std::generate(vec2.begin(), vec2.end(), []() {
5 u9 F" b2 o& z5 p# s- I                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;0 a) a7 ?& W  ?/ R" |5 B4 G4 E
                     });
) o/ H) f$ I1 O3 T  v# e/ N/ Z- l: h- n6 W. Y" J5 R8 K
            for (size_t jj = 0; jj < vec1.size(); jj++)! x; _1 g: }% _9 Q' ~
            {
+ d/ l4 t0 z6 G% x                      b1[jj] = vec1[jj];
8 e5 r" O& M& l4 V$ F             }
" f4 b. m% E. ?0 ]+ d+ V2 l. k7 o! c5 }5 b
            for (size_t jj = 0; jj < vec2.size(); jj++)
0 M6 s5 g0 x3 e  q2 [3 Y5 S" p8 E             {4 G" n7 w" R0 P" n9 {
                     b2[jj] = vec2[jj];
) w# {4 g" D) b             }4 ~7 {; t/ D" Q9 O" h) T% p2 c# j1 T
: ~3 c# L' W4 W5 G1 s, h1 _& E! F
            //Method - 1  N=100000 247s  6 r1 O8 M0 {- c% H3 _
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);1 W2 R/ w7 w0 `- o( c
                              1 R: l* g. k% J+ _  r
            //Method - 2  N=100000  237s) s5 k' p5 L/ s
            /*
; Q/ C$ }( T) T3 H+ V* j' L             for (int jj = 0; jj < N ; jj++)
. K* h% s( M# y" z3 n/ w             {
- s) u( S) U4 T% G! z                      fresult += vec1[jj] * vec2[jj];
. y/ ?+ o: L3 A9 P2 b1 H             }
2 @: T# }/ M9 h) O5 p% I             */4 A  X* j5 _5 p8 j# I* Z5 X$ r
                              7 |( L& @; M8 {8 M) ~
            //Method - 3  N=100000 204s
0 i5 `& K4 L6 v* l- Q& n! i             /*
' E0 k8 J5 e& v2 H3 p             for (int jj = 0; jj < N; jj++)
. k8 `! C& V7 F2 Z$ _, y" P5 i             {3 b0 n0 M, L# N; q9 D; V' U
                     fresult += b1[jj] * b2[jj];& |4 P, N* h- n5 R
            }7 x  c  Y, z6 h% l- [
            */! X8 g4 v; [- m1 f

6 g% a7 N+ W7 |' R             //Method - 4 202s
- c1 p) T) A  L/ A: V' f# p$ ?             /*
1 ]0 c* U# o; ~) ^# c/ Z7 k             for (int jj = 0; jj < N; jj++)
0 ~. n  [- `+ W$ C+ ?             {
0 n; B" H7 C3 K: |7 U$ ?                      / s. s4 \/ h. l3 M) ^) A# S
            }& d1 A( D4 ^5 S  i1 ^
            */
( t7 b3 H' x& Y0 m4 c: C/ ^             //comment out all methods, N=100000  202s             ; Y2 c5 ^& W& ^2 a9 j0 ]
      }4 U1 |* T9 @  ]$ N1 U% h
1 b' ^# B1 @, }9 {% [
      delete []b1;# l) @3 Y$ r4 ]  ^6 E/ V
      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
4 g3 Y$ o: i+ `% 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？
$ B' {0 @& E7 P( u
, g. x V" P9 {$ f H/ d9 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 01:168 I& y! I# w. r! W. t# E7 a( s
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- x4 l* K: z" z H/ S" I
& N, ~6 K7 {* {: h1 d: y7 M% ?5 K2 l8 A
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 Y4 \8 K0 Q6 u5 Q2 w: P$ T
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
4 f8 s3 H! d% q$ N9 d6 r. m{
# d+ E0 ] K3 J# f- ?/ L# ]. z0 n2 C 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