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
L X2 V/ e0 _% }( \拉下来？拉多少？
. y/ M3 e) d; @/ }$ Q$ ~; i- J0 k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
- I$ ]" ~* `/ S- ?" zMaybe 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, ^( K3 M7 h8 ^7 g0 ]
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)3 q2 A' B# X8 p
{
( r R6 }( U" m2 | 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( {0 V/ i/ A2 J8 T% f0 q- }
这个不是这么比的吧。。。
9 Z% A5 M f! U2 _; h9 \% a* S
; W; |$ {" G( Y6 y/ B# I7 H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
. t& ~) M. Y' |8 S( m% X( |有道理。' m4 Q; B& ^4 Z" I" o
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 00:200 Y+ F* e7 Y3 g5 z! f/ }1 N3 x+ e
这个不是这么比的吧。。。+ i5 _6 E0 Z& E% L6 n

1 J: M! R- n# @2 W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 01:482 l n8 ]' ]2 U
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
+ _/ w, p: a! I+ t1 `' X- m& s# r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 04:474 A- ^- T: ~2 S' g- B# g; J
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
5 H; r* W4 @) g j9 [1 l( s5 L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
4 P. m4 D7 j$ b* B& }% H; g; 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);5 h4 T2 A7 A; E. k# U0 \3 g" i
      std::vector < float > vec2(N);
# h# ]# p9 X) y8 p       float* b1 = new float[N];
8 D6 r; ?" z* d       float* b2 = new float[N];
1 Q7 D# I$ C4 j- s' M2 D9 [/ a* a2 x2 W$ T) h0 t
      for (int j = 0; j < 6000; j++)7 K8 c# w/ ~; G; W# x+ i4 e
      {
' X2 w2 q+ y! @5 k$ l! }7 u) o             std::generate(vec1.begin(), vec1.end(), []() {
4 R( U# l  [! R0 g) I" p7 [+ [                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;5 o2 [: o6 z) E
                     });
3 b( P) s" K4 \* w4 ~
: q: d# W; q9 {3 ^/ y' S( t3 u$ m             std::generate(vec2.begin(), vec2.end(), []() {0 Y$ u, Z1 ^, c( k
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
8 M9 n. J- M8 u- E* A                      });
4 m+ A; @  l9 Y0 L
- N) ~0 T: K# G5 Z& N: o* q             for (size_t jj = 0; jj < vec1.size(); jj++)
, p' V, |$ T4 x/ R9 o             {+ m, ~: ]) a" |: H; A2 b
                     b1[jj] = vec1[jj];% o0 c! _+ N8 i7 x# i, Q, [
            }
7 g1 Y- e+ S4 ~# z9 T% }
; d' a& R9 ]0 b. L) _             for (size_t jj = 0; jj < vec2.size(); jj++)
: r+ c4 b4 h( U0 q7 K, R  Q, y! H             {
, @5 q& c4 L; `; c5 B+ z                      b2[jj] = vec2[jj];( x8 u' k8 K1 j
            }
/ ]+ l" }( u9 {2 ^2 Z& H1 B5 x* h1 ]( F7 z6 d5 L1 V- M0 t* q& q+ z4 L: u
            //Method - 1  N=100000 247s  . M4 n! k8 y* `# f
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);- @% v7 S4 K9 D' \

$ M0 w* g) b1 l2 f& S0 D0 V# O8 e             //Method - 2  N=100000  237s
: v; Z% z: L2 c: Y             /*
% ~7 `( q! }7 V1 |, t             for (int jj = 0; jj < N ; jj++)
+ D, R8 O. d% v1 q' K# y0 C             {
9 v0 w/ `: j- D3 A7 h* L                      fresult += vec1[jj] * vec2[jj];' M$ D; l3 L, P$ T1 g
            }
6 s0 x( G8 j* ^( v4 v+ Q- Q             */
+ i7 ^8 x; P& Z$ @                               9 G2 t: P# K# W* g* R
            //Method - 3  N=100000 204s* m; p  I/ O, y, o  I- g
            /*
& S6 }9 k! r2 O7 B             for (int jj = 0; jj < N; jj++)6 c7 s! `6 G/ }% e* \: N0 S
            {
1 j9 D  V1 U" d' C/ _. P# H                      fresult += b1[jj] * b2[jj];3 a! j, j" t+ x/ r8 c
            }  h; }  c) j- }+ a  h1 I5 U
            */( k6 w4 R) Z% n" d& r
6 e: J9 u* ?8 u' ^# N
            //Method - 4 202s
# V. P" {8 d$ D; N2 q             /*
6 p7 O- J5 G+ h( k$ ]. A& b             for (int jj = 0; jj < N; jj++)
6 m: B( z, Y. _             {2 L* n' z4 l( d! Q& l/ w2 e
                     / y! X3 l/ y! Z- n/ H) H; d. Q9 v. `
            }
. Q" U, V1 z6 q( q5 W- x             */
0 {5 \- g9 U# Y- M9 g$ s/ ^1 V; }             //comment out all methods, N=100000  202s             ; n5 h! r" T7 H
      }* h# p" R8 H/ X+ q, N/ P' g

+ J8 `/ l! n2 m0 r       delete []b1;, D+ X- N1 `, ^' t7 _
      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
; x. G# ?4 f9 s( ~$ ~6 T4 E# N5 `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 C" F, B8 w, \* l

) w5 Q; E# A* o2 p5 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' \1 x4 }: c) l4 S6 L$ v: b
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、LOL6 o0 V6 H8 ~: o9 B! }
; l! b! |$ |; j& M
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
/ Z8 a8 \ w- b; U, Y: p+ t- X% ivoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
* ^/ r# M0 T" J9 U6 w) U( p/ F{
, T" z; G/ G6 G0 z# _; ~0 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