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! p4 \+ z9 S0 h拉下来？拉多少？3 }* }$ o1 b, \0 w; W3 ]8 o 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 23:33
3 U* W* M: h4 `! W2 LMaybe 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
" {! f1 Q: H# n2 q; O* ?3 q d2 r2 cvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)/ B' J( h7 _* {1 K
{
* n$ P6 r( }4 F T l 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
& I& f+ D, N* o2 ~4 V这个不是这么比的吧。。。. V' F+ O( [9 K

6 I5 }- z+ \& o7 x9 u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
p! @& ?9 T5 y _! f有道理。% s$ r; I9 m/ \$ f1 z2 \
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
& e2 b( G v! z5 B6 {5 a这个不是这么比的吧。。。1 M3 E2 ` E9 E

" |2 D" k6 ~' Q1 p' `: 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）。

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
# F' t Q% v/ s6 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
3 i* k; F' \, w4 m0 ^" F% |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$ v* [* ]- v/ S
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. k, t! y$ ?" L( U9 K( O* o
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/ K+ s' U$ A6 W9 W$ Z- H6 p
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);, x% I5 C# \3 H
      std::vector < float > vec2(N);
; U( ?, k: h" o3 x! l& |# e       float* b1 = new float[N];" O. ^) `- A  ^6 o9 j0 T9 G3 A% \
      float* b2 = new float[N];
8 C; t3 M$ i( h0 c# C  G) v& w6 O/ f) |" v- N' E: ]
      for (int j = 0; j < 6000; j++)
, u. m1 A5 Z# b8 g% m  k' |       {
& R( w: i0 U! O! C" J" E9 Y             std::generate(vec1.begin(), vec1.end(), []() {/ C: Z. W9 D4 W1 t$ l
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
4 t( }$ w5 E) q/ w                      });
& I1 J* q" Z4 g: v# z& f
, L0 t* {$ H- |( C7 d             std::generate(vec2.begin(), vec2.end(), []() {
7 `) a1 c- v8 |. s* U                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;. x0 E- R/ X; A7 m9 H$ \7 N7 W
                     });
! g" i9 T( o, a: w1 m$ s# ~" }2 p& |0 W* z2 m
            for (size_t jj = 0; jj < vec1.size(); jj++)8 L, Z, i: P4 N7 V
            {- s& I3 \! b: ?& p: V" I4 Z, c, s
                     b1[jj] = vec1[jj];
$ x, L; D9 [  j6 K, p             }
4 N, h# T: c1 R; e4 l. M  V$ J  Q9 V9 z4 e+ X/ Y
            for (size_t jj = 0; jj < vec2.size(); jj++)6 N; j* k3 u' b" `' }. ~* V! g
            {; }' _3 V( a- T& k% ]. t5 w. {' F+ A
                     b2[jj] = vec2[jj];- }) T) |# H2 }1 v
            }8 H1 E9 h+ c; a7 z
: A, _4 R; Z6 @! a0 Y: ]. L- z
            //Method - 1  N=100000 247s
! K. R, F- t# O* m; H2 i4 ]( f) Z+ c             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);  S. f4 j2 p" }6 U, T/ ?+ L

) k9 [0 a0 h! q# I- g3 ]             //Method - 2  N=100000  237s# J# ~# ?% G2 {$ N5 [
            /*1 F2 X: W& ^) H& t% k' I) q
            for (int jj = 0; jj < N ; jj++)/ {& G  }. P1 z) n' [
            {
, x) W, B$ I( z* a( I9 h! i                      fresult += vec1[jj] * vec2[jj];
1 d$ U; G3 v' t' B3 t             }+ `/ J1 e9 \& Y" I4 J$ I/ h$ ]
            */
+ A1 B8 y( u# V. e6 h
) f# U( c- ?0 F( d             //Method - 3  N=100000 204s7 i4 Z7 y" L7 V- G$ X
            /*4 Q2 X* E6 s8 z- [4 W+ ^! Y; D
            for (int jj = 0; jj < N; jj++)9 V! ~; S8 C; J4 g9 W
            {! ~% h0 k$ h- W9 d4 _: y7 l5 T
                     fresult += b1[jj] * b2[jj];# `4 j% s, F3 w' Y
            }" @7 l+ a. X# f1 Y3 w1 ^3 O! o6 p9 X
            */, H! ?6 a, M# R0 F; j9 L
1 @; g) J) `6 X7 H! ^3 f. s
            //Method - 4 202s
5 C6 ]# _: r  G; m; e             /*
" w  J8 s' ^8 }3 ?, b             for (int jj = 0; jj < N; jj++), Z6 r2 U. P" E" \4 K
            {  j# F! Q( B* W6 @) }) V5 F* j
                     % W- U% d: v4 `& O5 j
            }
+ K. O7 }+ T" N6 e! H             */3 g" Z5 n: t4 S6 _
            //comment out all methods, N=100000  202s             7 ^% {0 G" U5 t# K% e
      }9 u# t. l4 t1 O

5 i' B; ~( H  Q/ z/ W$ |       delete []b1;- h1 Z9 i9 }+ ^  V1 l" p& s1 a
      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
/ A% y/ q/ }% }1 ]9 C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？
# J2 N# ]9 K. z( t! c. l
1 T% R9 u" g" |/ a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
/ B2 u" G' E Q9 m- w" v+ V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
& T0 j1 l1 e; Q
4 P' O4 U# I% l+ 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 23:54/ p5 k& w& |6 o. f. H2 s7 O
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
; L3 N1 [, C% t U4 P{. f$ E) W4 x9 r# `, 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

浏览过的版块