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 23:041 R: y& X. R, S
拉下来？拉多少？+ \" b6 |1 i/ E* E+ ?
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 23:339 [" l8 P W0 O( S0 h
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
8 m& T2 h5 |+ pvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)' E [- M( s4 W) J. E, z
{# h% f. g ^% B( y6 N
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
, A) p+ k) U, J7 M7 D4 W3 k; U这个不是这么比的吧。。。# R3 X- I$ d6 b0 P/ T o% j( m. A1 `
. C u; v& l& }4 a5 j( O* d
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
9 A4 `1 W! Z& S7 H; O& H有道理。
' o( { b$ O# a. 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 00:20
# h' j! s' c$ r, T: u/ }- h) o这个不是这么比的吧。。。- I: s% Q' c8 S0 @' g o: d

) g8 E# J N2 f2 k2 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, G5 o5 F- G1 ?
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 01:278 _1 `, x: G# {4 |9 i4 O
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 04:472 _. \9 c& L! O7 O& J2 H
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
" W/ R* c5 k2 ]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 14:588 h% D& |0 u1 x, W5 l$ m! F5 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);8 Q. K. p$ q! @, Q6 E2 y
      std::vector < float > vec2(N);
* _1 e' n1 U/ C' {       float* b1 = new float[N];, I; r; k- @7 L: h" F
      float* b2 = new float[N];
- g8 U% W+ ~  K; y$ x9 ]6 K* K8 k, E6 E3 k; |! l& w
      for (int j = 0; j < 6000; j++)
6 x6 S: D9 b3 X8 ]       {
' K/ H4 h0 B9 Y$ f& v             std::generate(vec1.begin(), vec1.end(), []() {
6 m  ^/ t9 }% D- Z9 ~+ v                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;" O% w, u- @! e6 s# a  r2 Z
                     });7 l9 c. w6 L2 v" `) `
  A* G! T% S& T$ h
            std::generate(vec2.begin(), vec2.end(), []() {
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
, R  Q# ~: `% L                      });
( Q: q) J' @) O+ L1 [8 d9 v0 V  s, n- H0 m
            for (size_t jj = 0; jj < vec1.size(); jj++)
$ n2 R7 k, F2 H+ }! j: f5 J: v% \& x             {
' |" {6 y1 T( ]4 N; [. q# ?  A                      b1[jj] = vec1[jj];
5 P1 [, d3 E& o; H/ X; F- B, I1 J             }
# d  T9 B% K4 h5 K
4 @$ V) J' O- @$ t, B! T             for (size_t jj = 0; jj < vec2.size(); jj++)
# x0 U- ~$ r$ K$ g             {; I: V2 w- E0 `
                     b2[jj] = vec2[jj];2 K6 |# |! M0 C/ j
            }
1 e6 V# y4 v( M6 G" A' i, A2 m
: \+ s1 L' l& r+ E$ M             //Method - 1  N=100000 247s  ' O3 U! J& Z6 U2 P+ p
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);# W, L% s+ j" Q( \1 r* w8 w: z7 ~) B
                              0 P* z6 n& ]: J  q- E+ R
            //Method - 2  N=100000  237s' d" p" s& t% z/ c
            /*: K) l7 |! V  Z4 w9 G7 N, _
            for (int jj = 0; jj < N ; jj++)
" o- H  D$ D$ T" S1 T6 g1 A5 K             {+ L0 \1 e0 a# b/ F8 U3 \
                     fresult += vec1[jj] * vec2[jj];
4 i6 k8 E2 W% S- b* Z. K/ p$ h- L             }
- o6 u* R9 c3 G: O7 g1 n8 L- W& f             */
& d0 J! e5 R( ?4 f. R% _1 O
/ l) N" Z' U: W) e0 O0 `: G             //Method - 3  N=100000 204s
. ]+ w1 G0 ^$ X             /*
( ^" m) N% r- a- s             for (int jj = 0; jj < N; jj++)) L0 t. [) |% h$ L  Y' I1 f3 n
            {9 I/ t6 h( X# Z4 z' f
                     fresult += b1[jj] * b2[jj];/ Z1 t: K0 M+ F9 A- U
            }
5 A! q) K8 u+ m1 z# a, s1 A             */1 H0 J# ?* s0 U  q) R/ }

# x& g* P# ~$ k6 H             //Method - 4 202s7 t! _, q+ z7 j0 d! S
            /*  L; E" _0 z3 y$ j4 B0 p3 r
            for (int jj = 0; jj < N; jj++)
+ ]* S% Q/ Y9 O- ~2 q             {
( j& V$ A7 I* P. S/ [- \                      . x5 m5 i1 n) F9 t1 C, _) O( d3 }
            }
! \" N- u- D& v+ b             */1 C5 e4 e% `/ v% E: ]4 i) M& ^
            //comment out all methods, N=100000  202s             ) H8 s: z3 J) M5 a6 }4 C2 ^! b
      }
+ w- U( v- w9 s" Q
- S. d  p1 u! h2 J9 F+ y# Z$ H3 x       delete []b1;0 O# K( R1 O& l/ e* j; o: t
      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
* c3 [$ I5 [3 H" |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？4 {: U+ S9 _: C5 b6 g

' l D1 d9 E- B. Z: r( u, x* {. J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. N& E# t" D: n6 T2 T9 F
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 ~* s e: s' Z @& U% k6 |
O' \& T; t! }' l
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
* N: J* }1 [' O" w Dvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
+ g( s- Z1 F, O{
# q2 L; ^" E6 { P: L2 P 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