我发现了有趣的性能衰退中较小的 c + + 代码段中,在启用 C + + 11 时︰

#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 (预发布版) 和 C + + 03 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% )

与 C + + 11 另一方面启用性能大大降低︰

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% )

有人解释这可以吗?到目前为止我的经验是 STL 获取更快地通过启用 C + + 11,esp.由于移动语义。

编辑︰根据建议, container.emplace_back();改为使用性能获取等同于 C + + 03 版上。如何的 C + + 03 版可以获得相同的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% )
2014-01-07 17:13:05
问题评论:

如果在编译到程序集时,您可以看到这怎么回事在汽车发动机罩下。请参阅stackoverflow.com/questions/8021874/...

如果将push_back(Item())更改为emplace_back() C + + 11 版中会怎么样?

请参见上面的"修复"回归。我仍然想知道为什么 push_back regresses 03 C + + 和 C + + 11 之间的性能通过。

事实证明我的 @milianw 正在编译不正确的程序。忽略我的注释。

与 clang3.4 的 C + + 11 版本速度更快,是 0.047s vs 0.058 C + + 98 版本

回答:

我可以使用这些选项,在您的帖子中写我的计算机上重现您的结果。

但是,如果我还能够进行链接时优化(我也将传递-flto标志给 gcc 4.7.2),结果是相同的︰

(我编译原始代码中的,使用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  

至于原因,有一个需要在生成的程序集的代码 (g++ -std=c++11 -O3 -S regr.cpp)。在 C + + 11 模式下生成的代码显著更杂乱比 C + + 98 模式和内联函数
void std::vector<Item,std::allocator<Item>>::_M_emplace_back_aux<Item>(Item&&)
在 C + + 11 模式下的默认inline-limit失败.

此失败的内嵌有多米诺效应。不是因为调用此函数 (它就会失败甚至 !),但因为我们要准备︰如果它被调用时,函数参数 (Item.aItem.b) 必须在适当的位置。这将导致一个非常杂乱的代码。

以下是相关部分生成的代码的情况下,内联成功:

.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    #,

这是一个很好和紧凑的 for 循环。现在,让我们来做个比较的内联失败案例︰

.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_   #

此代码杂乱,没有更多进展比在前一种情况下的循环中。在函数call之前 (在最后显示的行),参数必须放置在适当︰

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

即使实际上从不执行,循环排列在前的事情︰

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

这就导致了杂乱的代码。如果不没有call任何函数因为内联成功,我们必须仅 2 移动循环中的说明进行操作,并且没有没有 messing 继续使用%rsp (堆栈指针)。但是,如果内联的失败中,我们得到 6 移动,我们得乱动%rsp.

只是为了证实我理论 (注意-finline-limit),同时在 C + + 11 模式下︰

 $ 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% )

事实上,如果我们要求编译器将尝试只是稍微有点困难,内联函数,性能上的差异消失了。


那么,从这篇文章带是什么?失败的内联可以花费了很多,并应充分利用编译器功能︰我可以只推荐链接时优化。它为我的程序提供显著的性能提升 (达 2.5 x) 和执行所需的只是传递-flto标志。这是相当不错 !;)

但是,我不建议移入垃圾桶用内联关键字; 代码让编译器可以决定如何处理。(被允许无论如何都将视为空格的内联关键字优化程序)。


问得好,+ 1 !

NB︰inline没有使用函数内联。它意味着"内联定义"不请内联这"。如果您想实际寻求内联,使用__attribute__((always_inline))或类似。

@JonPurdy 不完全对,example 类的成员函数都是隐式内联。inline也是向编译器您想要将内联的函数,例如英特尔 c + + 编译器用来提供性能警告,如果它不能完成您的请求的请求。(我没有检查 icc 最近是否它仍然不会。)遗憾的是,我见过人们移入垃圾桶使用inline代码并等待奇迹发生。我不会使用__attribute__((always_inline));很有编译器开发人员知道更好地为内联和什么不可能。(尽管 counterexample 这里。)

另一方面,如果您定义函数内联它不是类的成员函数,则确实无选择但标记为内联否则则会得到多个定义错误来自链接器 @JonPurdy。如果这是什么您是再确定。

是的这是我的含义。标准 does 说inline说明符表明实现内联替换在调用的函数体是首选的常见函数调用机制。() §7.1.2.2但是,实现不执行所需的优化,因为它很大程度上inline函数通常恰巧是适合于一个巧合内联。因此最好是显式地使用编译器的杂注。

与上半年的 @JonPurdy︰ 是的这是我所想的说"允许仍将为空白的内联关键字优化程序"对于编译器杂注,我根本不用,我会也请链接时优化是否为内联或不。它执行得很好;它还会自动解决答案在这里讨论此问题。

请输入您的翻译

std::vector performance regression when enabling C++11

确认取消