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
2 l( [9 D1 ]* T7 w拉下来？拉多少？" s. @9 T" J5 b& A3 S7 E G
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 23:332 ^( P5 U1 G* 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
6 i8 z, |3 ~7 T8 s, F8 K/ pvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
% M2 C) }6 {9 L# |- g{
8 c5 o, q+ V1 J, ^) k& ^) S 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
1 W; z: U* n8 H- f这个不是这么比的吧。。。
8 j: P3 J U/ N! O& ]2 @, y
! p/ ? K' p5 q. 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
. z+ Z( c* R2 T2 A有道理。$ j( u X( P* c
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
8 P5 g4 L, F+ G! J1 o6 b7 c这个不是这么比的吧。。。, }+ R. ^% s2 H% n$ o

* N3 x/ s5 v# i# 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）。

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( @' g8 [$ d$ u# c
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 01:277 M6 t( Z2 X1 W* O; m2 X* 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$ |# t6 G7 C/ L 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
) Q% `8 D% k% @# k8 Q7 d0 }6 e0 B. E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
3 m S$ e4 ^3 ]! g3 ~2 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);
& O; g3 ~5 i# q0 n       std::vector < float > vec2(N);
0 H4 R0 \8 \- E$ t8 Z       float* b1 = new float[N];
+ o/ d- |( r6 K* ~  a3 m# d) @, P! j       float* b2 = new float[N];1 y% r6 U" K" S; R5 L$ L
* n3 c0 B7 N( ?- M# k/ `4 U3 ~
      for (int j = 0; j < 6000; j++)3 F6 T% d7 A9 G1 R
      {
! @) T. r5 G9 U2 o# D             std::generate(vec1.begin(), vec1.end(), []() {
: n$ w! D+ P0 h0 {+ h/ e$ Y: e                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
5 J: N) H$ [! |! Q+ k+ i  K% w+ k+ S                      });+ B+ R7 I! [) z2 P" ^. u# j, f
9 R) f; f& o2 W8 [8 ~# H8 G
            std::generate(vec2.begin(), vec2.end(), []() {
* ^  H6 `7 t  [6 k% G                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;5 b" h' N; ?0 A, ?
                     });# y9 I+ T9 W5 ]1 s  O# H
5 O$ I3 \" S" q
            for (size_t jj = 0; jj < vec1.size(); jj++)* z0 k) |/ t7 Z( e" M* V6 |
            {
# F5 `/ A: q% G4 k% a6 S- a                      b1[jj] = vec1[jj];( D, I$ Y1 e( u
            }
& J) T3 A. B) Y& t, E& e1 A$ {! t/ u1 r- Y0 k5 s5 ^, Z
            for (size_t jj = 0; jj < vec2.size(); jj++)6 R9 J. ~* B  M
            {
1 B8 l! d  `4 D) U% }8 k. ^: b4 [' d                      b2[jj] = vec2[jj];
% F; n; K. P% [+ b3 S             }8 t$ D2 m6 J/ G8 X/ W4 T% }) o

5 N+ r5 {9 l: o  h0 [# E             //Method - 1  N=100000 247s
9 Z5 D+ X2 ]4 n4 g2 M  t             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
" N8 O- ]$ {6 N6 U
0 }1 w* J6 E0 n, Z0 ?3 f             //Method - 2  N=100000  237s- ]5 W. G# w; [3 I0 Q
            /*
- }" ]; M1 Z0 b. ^; I: _$ S# x             for (int jj = 0; jj < N ; jj++)$ |9 Z( \) F: |% c6 w; P) x
            {
- N4 G0 e& _4 L                      fresult += vec1[jj] * vec2[jj];8 F. p% s" `/ ~0 _, |2 t. o/ q9 v
            }) |  N/ [% s9 X% U, v8 g) ~- Z
            */$ @9 T" a" G( ~5 O9 f( y, T0 f

6 A3 h( V  U8 |* u- q* `4 U             //Method - 3  N=100000 204s4 j8 V# Z4 K! m1 d! k- n, m0 L9 V$ z' u' Z
            /*9 }) M6 S- X3 C4 j1 f1 y1 O
            for (int jj = 0; jj < N; jj++), Z+ R2 C6 F+ I' T1 f  R
            {% U; f+ z; d8 O% V/ V; d& i5 u
                     fresult += b1[jj] * b2[jj];
$ L) _$ A) N" |2 v             }
7 U+ @+ P" t4 {# e$ u: U             */
0 |, q+ Q2 n' X7 }0 S) ?3 S: b0 H2 `, p9 Y1 ]7 s
            //Method - 4 202s
; x0 K$ O7 L$ r3 S: |6 H& i             /*/ e4 w2 ^7 _: n" U8 \8 D& I
            for (int jj = 0; jj < N; jj++)
6 s! R  h- K6 ?             {9 d8 |7 s* |2 k2 n
                     % G0 p$ `) h8 R) {& z$ i
            }
3 P4 `* K/ U, d- n( x7 G; K9 o             */  ~, c7 J* L# V6 O" ~5 [
            //comment out all methods, N=100000  202s             & U/ v  x3 x4 A: w& N
      }
1 i) y0 _: @7 y, s7 b1 A5 v/ I3 Q2 t0 k& r& P; k
      delete []b1;, `; G0 z. w* L5 l  _0 B
      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 00:159 k6 B. P2 H/ }* J
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 c6 r& I1 y( u

+ V# ]: `5 t8 o) ^% u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
: E( O$ d6 o; _4 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
: s: k, n: C8 T' I5 K3 w* q, K' A, l" A, ~+ j$ b
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 23:546 z! G* Q. C. V2 _+ _6 h
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
. i! |6 ]# Q! V, K, r{
) N$ b5 W! }% J 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