启用C ++ 11时std :: vector性能回归


235

当启用C ++ 11时,我在一个小的C ++代码段中发现了有趣的性能下降:

#include <vector>

struct Item
{
  int a;
  int b;
};

int main()
{
  const std::size_t num_items = 10000000;
  std::vector<Item> container;
  container.reserve(num_items);
  for (std::size_t i = 0; i < num_items; ++i) {
    container.push_back(Item());
  }
  return 0;
}

使用g ++(GCC)4.8.2 20131219(预发行版)和C ++ 03,我得到:

milian:/tmp$ g++ -O3 main.cpp && perf stat -r 10 ./a.out

Performance counter stats for './a.out' (10 runs):

        35.206824 task-clock                #    0.988 CPUs utilized            ( +-  1.23% )
                4 context-switches          #    0.116 K/sec                    ( +-  4.38% )
                0 cpu-migrations            #    0.006 K/sec                    ( +- 66.67% )
              849 page-faults               #    0.024 M/sec                    ( +-  6.02% )
       95,693,808 cycles                    #    2.718 GHz                      ( +-  1.14% ) [49.72%]
  <not supported> stalled-cycles-frontend 
  <not supported> stalled-cycles-backend  
       95,282,359 instructions              #    1.00  insns per cycle          ( +-  0.65% ) [75.27%]
       30,104,021 branches                  #  855.062 M/sec                    ( +-  0.87% ) [77.46%]
            6,038 branch-misses             #    0.02% of all branches          ( +- 25.73% ) [75.53%]

      0.035648729 seconds time elapsed                                          ( +-  1.22% )

另一方面,启用C ++ 11后,性能会大大降低:

milian:/tmp$ g++ -std=c++11 -O3 main.cpp && perf stat -r 10 ./a.out

Performance counter stats for './a.out' (10 runs):

        86.485313 task-clock                #    0.994 CPUs utilized            ( +-  0.50% )
                9 context-switches          #    0.104 K/sec                    ( +-  1.66% )
                2 cpu-migrations            #    0.017 K/sec                    ( +- 26.76% )
              798 page-faults               #    0.009 M/sec                    ( +-  8.54% )
      237,982,690 cycles                    #    2.752 GHz                      ( +-  0.41% ) [51.32%]
  <not supported> stalled-cycles-frontend 
  <not supported> stalled-cycles-backend  
      135,730,319 instructions              #    0.57  insns per cycle          ( +-  0.32% ) [75.77%]
       30,880,156 branches                  #  357.057 M/sec                    ( +-  0.25% ) [75.76%]
            4,188 branch-misses             #    0.01% of all branches          ( +-  7.59% ) [74.08%]

    0.087016724 seconds time elapsed                                          ( +-  0.50% )

有人可以解释吗?到目前为止,我的经验是,通过启用C ++ 11,尤其是STL,STL变得更快。感谢移动语义。

编辑:如建议,使用container.emplace_back();性能代替与C ++ 03版本。C ++ 03版本如何实现相同的目的push_back

milian:/tmp$ g++ -std=c++11 -O3 main.cpp && perf stat -r 10 ./a.out

Performance counter stats for './a.out' (10 runs):

        36.229348 task-clock                #    0.988 CPUs utilized            ( +-  0.81% )
                4 context-switches          #    0.116 K/sec                    ( +-  3.17% )
                1 cpu-migrations            #    0.017 K/sec                    ( +- 36.85% )
              798 page-faults               #    0.022 M/sec                    ( +-  8.54% )
       94,488,818 cycles                    #    2.608 GHz                      ( +-  1.11% ) [50.44%]
  <not supported> stalled-cycles-frontend 
  <not supported> stalled-cycles-backend  
       94,851,411 instructions              #    1.00  insns per cycle          ( +-  0.98% ) [75.22%]
       30,468,562 branches                  #  840.991 M/sec                    ( +-  1.07% ) [76.71%]
            2,723 branch-misses             #    0.01% of all branches          ( +-  9.84% ) [74.81%]

   0.036678068 seconds time elapsed                                          ( +-  0.80% )

1
如果编译为汇编,则可以查看引擎盖下发生的情况。另请参见stackoverflow.com/questions/8021874/…–
齿轮

8
如果更改push_back(Item())emplace_back()C ++ 11版本会怎样?
齿轮2014年

8
参见上文,“修复”了回归。我仍然想知道为什么push_back在C ++ 03和C ++ 11之间会降低性能。
milianw 2014年

1
@milianw事实证明我在编译错误的程序。忽略我的评论。

2
使用clang3.4时,C ++ 11版本更快,0.0 ++秒,而C ++ 98版本为0.058
Praetorian

Answers:


247

我可以使用您在帖子中编写的那些选项在您的计算机上重现您的结果。

但是,如果我还启用了链接时间优化(我还将-flto标志传递给gcc 4.7.2),则结果是相同的:

(我正在使用编译您的原始代码container.push_back(Item());

$ g++ -std=c++11 -O3 -flto regr.cpp && perf stat -r 10 ./a.out 

 Performance counter stats for './a.out' (10 runs):

         35.426793 task-clock                #    0.986 CPUs utilized            ( +-  1.75% )
                 4 context-switches          #    0.116 K/sec                    ( +-  5.69% )
                 0 CPU-migrations            #    0.006 K/sec                    ( +- 66.67% )
            19,801 page-faults               #    0.559 M/sec                  
        99,028,466 cycles                    #    2.795 GHz                      ( +-  1.89% ) [77.53%]
        50,721,061 stalled-cycles-frontend   #   51.22% frontend cycles idle     ( +-  3.74% ) [79.47%]
        25,585,331 stalled-cycles-backend    #   25.84% backend  cycles idle     ( +-  4.90% ) [73.07%]
       141,947,224 instructions              #    1.43  insns per cycle        
                                             #    0.36  stalled cycles per insn  ( +-  0.52% ) [88.72%]
        37,697,368 branches                  # 1064.092 M/sec                    ( +-  0.52% ) [88.75%]
            26,700 branch-misses             #    0.07% of all branches          ( +-  3.91% ) [83.64%]

       0.035943226 seconds time elapsed                                          ( +-  1.79% )



$ g++ -std=c++98 -O3 -flto regr.cpp && perf stat -r 10 ./a.out 

 Performance counter stats for './a.out' (10 runs):

         35.510495 task-clock                #    0.988 CPUs utilized            ( +-  2.54% )
                 4 context-switches          #    0.101 K/sec                    ( +-  7.41% )
                 0 CPU-migrations            #    0.003 K/sec                    ( +-100.00% )
            19,801 page-faults               #    0.558 M/sec                    ( +-  0.00% )
        98,463,570 cycles                    #    2.773 GHz                      ( +-  1.09% ) [77.71%]
        50,079,978 stalled-cycles-frontend   #   50.86% frontend cycles idle     ( +-  2.20% ) [79.41%]
        26,270,699 stalled-cycles-backend    #   26.68% backend  cycles idle     ( +-  8.91% ) [74.43%]
       141,427,211 instructions              #    1.44  insns per cycle        
                                             #    0.35  stalled cycles per insn  ( +-  0.23% ) [87.66%]
        37,366,375 branches                  # 1052.263 M/sec                    ( +-  0.48% ) [88.61%]
            26,621 branch-misses             #    0.07% of all branches          ( +-  5.28% ) [83.26%]

       0.035953916 seconds time elapsed  

由于这些原因,需要查看生成的汇编代码(g++ -std=c++11 -O3 -S regr.cpp)。与C ++ 98模式相比,在C ++ 11模式下生成的代码更加混乱,并且在默认情况下,在C ++ 11模式下内联函数
void std::vector<Item,std::allocator<Item>>::_M_emplace_back_aux<Item>(Item&&)
失败inline-limit

失败的内联具有多米诺骨牌效应。不是因为正在调用此函数(甚至没有调用它!),而是因为我们必须做好准备:如果调用此函数,则函数argments(Item.aItem.b)必须已经在正确的位置。这会导致代码混乱。

这是内联成功的情况下所生成代码的相关部分:

.L42:
    testq   %rbx, %rbx  # container$D13376$_M_impl$_M_finish
    je  .L3 #,
    movl    $0, (%rbx)  #, container$D13376$_M_impl$_M_finish_136->a
    movl    $0, 4(%rbx) #, container$D13376$_M_impl$_M_finish_136->b
.L3:
    addq    $8, %rbx    #, container$D13376$_M_impl$_M_finish
    subq    $1, %rbp    #, ivtmp.106
    je  .L41    #,
.L14:
    cmpq    %rbx, %rdx  # container$D13376$_M_impl$_M_finish, container$D13376$_M_impl$_M_end_of_storage
    jne .L42    #,

这是一个不错且紧凑的for循环。现在,让我们将其与失败的内联案例进行比较:

.L49:
    testq   %rax, %rax  # D.15772
    je  .L26    #,
    movq    16(%rsp), %rdx  # D.13379, D.13379
    movq    %rdx, (%rax)    # D.13379, *D.15772_60
.L26:
    addq    $8, %rax    #, tmp75
    subq    $1, %rbx    #, ivtmp.117
    movq    %rax, 40(%rsp)  # tmp75, container.D.13376._M_impl._M_finish
    je  .L48    #,
.L28:
    movq    40(%rsp), %rax  # container.D.13376._M_impl._M_finish, D.15772
    cmpq    48(%rsp), %rax  # container.D.13376._M_impl._M_end_of_storage, D.15772
    movl    $0, 16(%rsp)    #, D.13379.a
    movl    $0, 20(%rsp)    #, D.13379.b
    jne .L49    #,
    leaq    16(%rsp), %rsi  #,
    leaq    32(%rsp), %rdi  #,
    call    _ZNSt6vectorI4ItemSaIS0_EE19_M_emplace_back_auxIIS0_EEEvDpOT_   #

这段代码比较混乱,循环中比以前的情况要多得多。在函数call(显示最后一行)之前,必须适当放置参数:

leaq    16(%rsp), %rsi  #,
leaq    32(%rsp), %rdi  #,
call    _ZNSt6vectorI4ItemSaIS0_EE19_M_emplace_back_auxIIS0_EEEvDpOT_   #

即使从未真正执行过此操作,该循环也将之前的事情安排好了:

movl    $0, 16(%rsp)    #, D.13379.a
movl    $0, 20(%rsp)    #, D.13379.b

这导致代码混乱。如果call由于内联成功而没有功能,则循环中只有2条移动指令,并且%rsp(堆栈指针)不会造成混乱。但是,如果内联失败,我们将有6步移动,并且会使混乱%rsp

只是为了证实我的理论(请注意-finline-limit),两者都在C ++ 11模式下进行:

 $ g++ -std=c++11 -O3 -finline-limit=105 regr.cpp && perf stat -r 10 ./a.out

 Performance counter stats for './a.out' (10 runs):

         84.739057 task-clock                #    0.993 CPUs utilized            ( +-  1.34% )
                 8 context-switches          #    0.096 K/sec                    ( +-  2.22% )
                 1 CPU-migrations            #    0.009 K/sec                    ( +- 64.01% )
            19,801 page-faults               #    0.234 M/sec                  
       266,809,312 cycles                    #    3.149 GHz                      ( +-  0.58% ) [81.20%]
       206,804,948 stalled-cycles-frontend   #   77.51% frontend cycles idle     ( +-  0.91% ) [81.25%]
       129,078,683 stalled-cycles-backend    #   48.38% backend  cycles idle     ( +-  1.37% ) [69.49%]
       183,130,306 instructions              #    0.69  insns per cycle        
                                             #    1.13  stalled cycles per insn  ( +-  0.85% ) [85.35%]
        38,759,720 branches                  #  457.401 M/sec                    ( +-  0.29% ) [85.43%]
            24,527 branch-misses             #    0.06% of all branches          ( +-  2.66% ) [83.52%]

       0.085359326 seconds time elapsed                                          ( +-  1.31% )

 $ g++ -std=c++11 -O3 -finline-limit=106 regr.cpp && perf stat -r 10 ./a.out

 Performance counter stats for './a.out' (10 runs):

         37.790325 task-clock                #    0.990 CPUs utilized            ( +-  2.06% )
                 4 context-switches          #    0.098 K/sec                    ( +-  5.77% )
                 0 CPU-migrations            #    0.011 K/sec                    ( +- 55.28% )
            19,801 page-faults               #    0.524 M/sec                  
       104,699,973 cycles                    #    2.771 GHz                      ( +-  2.04% ) [78.91%]
        58,023,151 stalled-cycles-frontend   #   55.42% frontend cycles idle     ( +-  4.03% ) [78.88%]
        30,572,036 stalled-cycles-backend    #   29.20% backend  cycles idle     ( +-  5.31% ) [71.40%]
       140,669,773 instructions              #    1.34  insns per cycle        
                                             #    0.41  stalled cycles per insn  ( +-  1.40% ) [88.14%]
        38,117,067 branches                  # 1008.646 M/sec                    ( +-  0.65% ) [89.38%]
            27,519 branch-misses             #    0.07% of all branches          ( +-  4.01% ) [86.16%]

       0.038187580 seconds time elapsed                                          ( +-  2.05% )

确实,如果我们要求编译器稍微内一点地尝试内联该函数,性能上的差异就会消失。


那么,这个故事有什么收获呢?失败的内联会花费您很多钱,您应该充分利用编译器功能:我只能建议链接时间优化。它极大地提高了我的程序的性能(最高达2.5倍),而我要做的就是传递-flto标志。那是相当不错的交易!;)

但是,我不建议您使用inline关键字来破坏您的代码。让编译器决定要做什么。(无论如何,优化器都可以将inline关键字视为空白。)


好问题,+ 1!


3
注意:inline与函数内联无关;它表示“定义内联”而不是“请内联此”。如果您想实际要求内联,使用__attribute__((always_inline))或类似方法。
乔恩·普迪

2
@JonPurdy不是,例如,类成员函数是隐式内联的。inline也是向编译器发出的请求,您希望内联该函数,例如,如果英特尔C ++编译器未满足您的请求,则它会发出性能警告。(我最近还没有检查icc是否仍然可以。)不幸的是,我看到人们在浪费代码inline并等待奇迹发生。我不会用__attribute__((always_inline)); 编译器开发人员很可能会更好地内联什么以及不知道什么。(尽管这里有反例。)
Ali

1
@JonPurdy另一方面,如果您定义的函数内联不是类的成员函数,则您别无选择,只能对其进行内联标记,否则将从链接器中收到多个定义错误。如果那是您的意思,那么确定。
阿里

1
是的,这就是我的意思。该标准确实说:“ inline说明者向实现方式表明,在调用点处对函数体进行内联替换比通常的函数调用机制更可取。” (第7.1.2.2节)但是,实现这种优化并不需要实现,因为在很大程度上巧合的是,inline函数通常是内联的良好候选者。因此,最好是明确的并使用编译器编译指示。
乔恩·普迪2014年

3
@JonPurdy至于上半部分:是的,这就是我说的意思:“ 无论如何,允许优化器将内联关键字都视为空白。” 至于编译器的编译指示,我不会使用它,而是将其留给链接时间优化来决定是否内联。它做得很好。它还自动解决了此处在答案中讨论的问题。
阿里
By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.