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: w m) c3 h; L
拉下来？拉多少？
3 |7 Q# m F- [4 O; k& g4 b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
7 i% e' Z) ?) A* I$ }' WMaybe 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' U& X/ Y. M9 R% k" [
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)! X8 O+ Y+ K- k) M- ?# ?/ p5 ~
{7 b( c; ~2 w8 y8 f5 W
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! z, G- d8 r5 J5 _) l9 z. {
这个不是这么比的吧。。。
, C9 F( ~0 z5 q) i- A1 J% A3 |. W. {' I
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
! }3 i- \! W8 y有道理。; S. g/ {0 [7 [1 t7 Y
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
# }# V. D) ~, [$ `" N这个不是这么比的吧。。。
7 ~2 x+ t h- d% a6 O9 A) T D: ?9 Z; Y) _
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
0 O( ~8 D( }9 L/ L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" U/ J2 j9 \+ L
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
1 b9 _3 ] e1 r' N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& i7 C6 c' a( G0 q+ N( 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 ...

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
; \( J7 F( o* s& m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);
( n8 _6 o6 z) {7 \! i7 _       std::vector < float > vec2(N);+ W/ N; U5 p- e7 x
      float* b1 = new float[N];. [! d) `* Q: S; s8 {2 M
      float* b2 = new float[N];9 i: F2 L) P/ w

6 U1 O) }6 C- s) o3 w8 Q       for (int j = 0; j < 6000; j++): A* q/ E3 [5 r; B, f
      {. l8 B% E5 y% ~- K8 k$ u
            std::generate(vec1.begin(), vec1.end(), []() {
: w# R- }0 j0 `9 M                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;3 {, C" y4 j; J! K: o
                     });
: [6 W7 i+ h* o7 R  S0 M# S# f& m% h7 P
            std::generate(vec2.begin(), vec2.end(), []() {
7 m5 K0 O1 u" J                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;, D' s6 Z/ H" y+ o! V7 A; L* @
                     });
# P. A, c; J+ P2 t5 r8 Y: t' a2 D/ d# j
            for (size_t jj = 0; jj < vec1.size(); jj++)
0 T. U( _0 g) ?5 }( p7 W             {
1 T3 A3 \6 T; _7 t# z7 q- H2 ]                      b1[jj] = vec1[jj];& O5 @. C. n  j. z0 V. E  k0 o
            }& O4 |1 C; Z! [

: g6 N6 C: K9 }/ M             for (size_t jj = 0; jj < vec2.size(); jj++)
/ Z3 x* U; [- Y7 y$ ^             {/ F+ b  q  W4 y# S7 m
                     b2[jj] = vec2[jj];
# ~  [/ }( n, n" u- i! @             }
. M- _3 S4 D  M; x( S& m% y6 Q6 M3 v* R) t
            //Method - 1  N=100000 247s  % Z) T4 \$ m% V( t- B! \
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
" w0 D( T/ m- @; z
) `4 M0 @/ R+ Q6 L# W             //Method - 2  N=100000  237s
/ U  Q: ~" c" V             /*
& L9 p, b$ y3 @& F             for (int jj = 0; jj < N ; jj++)  l' _; E5 Y0 x; O+ }' e
            {
- {! c7 P5 b& {2 }                      fresult += vec1[jj] * vec2[jj];  W) G" h0 @0 E/ m
            }
2 P8 T: p; h' j  G3 C6 P             */
9 [( \7 R+ z, P: a3 M8 J4 K5 C- d5 b                               2 z. z* ?/ u6 T" ]
            //Method - 3  N=100000 204s  Q9 D# Z' C; J' g; o
            /*
6 a5 H$ Q3 E. U/ ^/ v6 e6 D             for (int jj = 0; jj < N; jj++)
0 I) G8 X: S9 h+ `             {
+ \8 H9 \, b  W8 |& D                      fresult += b1[jj] * b2[jj];
1 u  I9 W0 W2 ]. s) b" Y3 r             }
% i: ?2 B7 \2 l7 B3 C             */
, Q9 M# n% A9 K" b1 N
0 v; a  O+ w9 \6 t* P: e             //Method - 4 202s5 o7 i2 Z2 D& o9 z5 C" w- h
            /*" g6 s& f  N; d7 `5 M
            for (int jj = 0; jj < N; jj++)
5 L. P0 l3 B% \  |! I" ^1 {: V             {: v7 h) p/ b2 H- x4 d2 a0 L2 W

' a; I% |' _0 x3 O. O# z             }
4 ~9 S" d* l& ~5 [1 B) ^/ d             */- M; l$ D: T  Y1 e) v
            //comment out all methods, N=100000  202s
, ^3 Y& I, a' t4 C: M       }
$ J! `4 v+ S- M5 t. q: J8 X5 k; E; n: I* t+ u7 J! K6 \- |
      delete []b1;6 `0 P. y" u( W( m; r, d7 f+ E
      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* @2 ^: w1 e+ c8 b# D. W
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？9 h% r( h' j- z- A. _, q
: ]" s% J! O$ ]' _
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
2 [% o8 y3 C* ?- 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、LOL
8 M* Z0 B# t! x7 ?9 G# a1 t2 z3 Y% m+ {9 k+ X
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
5 `0 X$ g; m5 N! z, hvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB), x8 [: B; y! @. t+ R1 K0 u
{
$ V% e1 T+ ~( E, ]8 z3 Z: o* E" m 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