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
; i0 O4 Z) g' m/ d- x4 K拉下来？拉多少？% S- C$ T' _* W1 X; B3 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 23:33& ^. C+ l$ ]) Z$ p) x1 y
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
( [% p) z: f# v+ ^' v! _! xvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)0 m7 M9 @2 W8 |! O% M( E* O5 v
{
8 o2 {8 x! t5 ]) ~ 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
! z1 `0 h% K/ P# L4 {! i4 n这个不是这么比的吧。。。+ F9 M& O) e9 `
- K0 J& y' B) @0 y; e0 N# R
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 00:468 n( R. g* E! z+ t! e; I
有道理。$ C6 v a' j3 ~# f
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
& \9 b7 o% ?# |5 [' L这个不是这么比的吧。。。: ? v; d5 v3 h$ K
/ g. U5 E" ?- c- K1 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
: M* m' V: I. S% g6 C' 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! `! t. k) x R* O8 L2 i$ @7 X/ ^
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
6 U( k$ Q- i! O& 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" B- } { L6 U2 }% ?9 d, I
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
5 M7 N7 ^6 A% A, b9 D0 `4 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);8 H( G' K+ N7 k! w
      std::vector < float > vec2(N);
+ F# N; P! H# V" Y: v) V/ s       float* b1 = new float[N];
" e  g, N/ H' q2 N5 ~( {7 s: m       float* b2 = new float[N];' s. f, d: B# u8 k. m+ |# f
! u+ M, p2 |3 b# N& w# p: ^
      for (int j = 0; j < 6000; j++)" G/ r+ y& I6 H# L1 b
      {
+ P2 m0 B. F4 i" o5 T* R9 j3 z8 j             std::generate(vec1.begin(), vec1.end(), []() {
8 @: _2 j$ U5 s8 a* }                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;+ Z) Y* Z/ d8 D
                     });/ i& }7 t; t5 {' v! g. j( V

; Q0 g$ {# c- I* x0 p& v$ S$ i. M             std::generate(vec2.begin(), vec2.end(), []() {2 g+ s9 V1 P0 g6 y5 F
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;7 f( V  S& V/ w) J7 m9 D. S
                     });
1 t9 c( m* K2 S4 W) _0 |" f! b9 Y9 W4 f" l: O
            for (size_t jj = 0; jj < vec1.size(); jj++)4 g. b8 \  k0 [
            {
  Z8 K5 `" k5 P$ U* d* |8 r) `* ^                      b1[jj] = vec1[jj];
: G# }8 j' F$ O             }3 ~- e# m9 j5 A0 K7 C

; i* T2 v. \  l/ S/ Y             for (size_t jj = 0; jj < vec2.size(); jj++)
4 |5 p8 {2 j8 D$ g- J3 z+ N2 x" i$ j             {
; r1 c1 j! u* U/ R/ p                      b2[jj] = vec2[jj];
: q: G+ s3 {+ d             }1 w! V, r$ p+ n3 c# ?" |' @9 I/ G, _. L: s
+ |* j) l) U7 e: M0 {
            //Method - 1  N=100000 247s  " `4 F! i$ o- K
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);$ t( L. w; G: `- d6 V6 x. \' c) G' h
                              4 ^4 E  p& J+ J1 N0 E
            //Method - 2  N=100000  237s
# L8 Y, }; a$ A3 u4 u5 R9 }& d* H& S' i             /*1 _- F3 T/ ^* F! U
            for (int jj = 0; jj < N ; jj++)
: O3 s: V, x1 W+ `) r             {% g3 ^0 T! H+ u  D0 D7 l/ ?4 B
                     fresult += vec1[jj] * vec2[jj];
4 M3 }, e+ i$ j             }
$ @8 `5 v) j: Q             */6 N' m4 W6 i3 Q# n3 Z
                              # H+ G8 @2 n1 B6 b, N
            //Method - 3  N=100000 204s
" O) P. a. t7 Z9 d. E" c             /*
0 U3 n/ ~7 u( [4 V& s9 |             for (int jj = 0; jj < N; jj++)* T  p& e4 a8 x2 h0 f7 G( c
            {
3 t; G& S9 A$ k, U0 a# a                      fresult += b1[jj] * b2[jj];
2 J+ |8 _, j# h- t. q7 k4 W             }6 K& R" i) M% x; P7 ?5 W
            */: }! P) l/ z0 k$ q( ]( n7 U/ B2 Z
1 T; t- j6 L5 f# _0 r+ w$ i5 a
            //Method - 4 202s
0 h8 G4 b6 l$ n" q5 l             /*
9 H, ?& s3 n" M9 l  m2 R             for (int jj = 0; jj < N; jj++)
& Q3 a* @# F. f7 b1 b1 \6 b% ]5 e  r             {# T; u9 H2 f/ U. q, Q

4 c: U& y; j, F) P9 b             }' m; U- i* ?3 X, o1 d7 G, A8 A
            */
, _0 g7 S7 w2 a" y2 R             //comment out all methods, N=100000  202s
7 }, u* S+ f4 c% `       }
9 B) Y+ p5 B' ]( Z9 J- ]& e' ]! U2 W* R) X: W  M
      delete []b1;9 f( m% f, y+ n6 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 00:15
) \* o5 c; G$ R8 z5 R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？
5 N/ Q4 T( r9 [: r; \2 `9 O" U+ j- l' s; S7 J! j$ g5 T
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
0 J( n1 T8 |$ g% y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、LOL4 L: F% u* `5 j1 f# D% x

9 P4 w6 X. 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 23:544 e& [; r5 v2 {) A( e% s+ q
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB) l7 f0 ]9 V; B
{: N+ v* `+ l" |; 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

浏览过的版块