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 23:040 a/ B3 `6 }3 U$ b6 b% t1 E8 v
拉下来？拉多少？
* D* x6 c9 l# F, g6 [+ g3 p* U3 g+ H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 23:337 m" |$ u4 x2 d( u# t' x% V
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
) C. A5 G- E# T3 A0 O5 W; c1 H# ivoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
% P" u( `0 Y/ L1 J3 B g% }! \{
" C& R8 E! O+ j 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/ e7 d9 b9 R/ T1 [
这个不是这么比的吧。。。
6 Y8 k8 C# l4 ]' G* T% b' ^+ u
% D k2 n& b& 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& B7 A9 `4 N! K9 y
有道理。, C0 r* W. i" L$ H" K
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
. P1 Y7 ]( p0 R, X这个不是这么比的吧。。。8 j. \" [! E5 A" s

! P$ |3 t/ D' k& S5 k2 l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- b5 p9 a) H, G z/ w
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
8 q; `2 Z4 y" n" \- C' e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 U; |. j( [1 G& O8 O% ~, j' U U. p
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
Z4 L7 h: f0 {* |7 R W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
9 A+ X7 d: d* m, M6 n+ f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);1 @6 v0 R$ K$ `% P; S) ~% m" N# k
      std::vector < float > vec2(N);1 w, F" x4 H7 g" |% s$ q* @
      float* b1 = new float[N];7 z) N0 S2 x! m' z
      float* b2 = new float[N];
* f. b* [. o; U6 f% G5 ]: K2 U1 `; ?* n3 ^. j% Y( {
      for (int j = 0; j < 6000; j++)
# j0 \6 a' k" i2 A- e       {% A! L+ _: Q; ?3 a0 `
            std::generate(vec1.begin(), vec1.end(), []() {3 @# p- P- O2 ^' u8 H
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
: E* X( s! m- _0 A  m                      });
! B  a) U+ ~; W! t0 R' H, y6 m2 l/ L  G
            std::generate(vec2.begin(), vec2.end(), []() {
* j; q3 _6 C+ w1 `4 U* c                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;/ E9 {2 F" W% l  }/ w9 J
                     });
- _7 l* Z. k: M, ]9 `4 Y6 T/ `9 F" o( F6 N3 `
            for (size_t jj = 0; jj < vec1.size(); jj++)" F* ~3 e; O  s7 H! u' k. u0 X
            {* b! x% m& H7 w
                     b1[jj] = vec1[jj];
( ~. d. F6 G0 Y) x: l" _- ^             }
' c% O( u$ d+ A% V  K
6 a6 T, f+ o2 X3 @             for (size_t jj = 0; jj < vec2.size(); jj++)
1 a. u/ o3 J1 b             {
8 d; I6 R  [7 W1 O8 `( W8 M' ]                      b2[jj] = vec2[jj];
" a, J* B$ ~7 u9 C; t% }             }& O$ o+ c" _4 d

5 }2 p9 L% v0 ]6 U. C* {" |' Y             //Method - 1  N=100000 247s
, J) V& p* @: v9 u5 t/ o2 ^2 b             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);  H! Z8 p5 H9 M& e$ c% s

2 d0 S5 u9 k* z: ^: I             //Method - 2  N=100000  237s7 c1 P+ i2 z: m$ j
            /*
% v5 M+ R6 J: g1 D/ x( H0 e4 M- U             for (int jj = 0; jj < N ; jj++)8 Y8 r  v  k! o: c2 r7 a5 ]
            {. i1 G; _9 d+ N' N
                     fresult += vec1[jj] * vec2[jj];
/ N4 n! V6 f  B9 Y. r             }! e3 W2 c" c, O
            */& E& F: a9 |+ @% Q* c8 g! j7 i+ G
                              6 q- D* `' ?) A( g$ n! F5 O
            //Method - 3  N=100000 204s
; h/ D+ i4 T/ ^; M% L, A0 C             /*
' Y3 a, x7 T7 f$ p' X/ ^; }             for (int jj = 0; jj < N; jj++)
8 a& N! w* V, O; t4 Q+ V6 z             {+ W0 `+ l2 ?; s. ^
                     fresult += b1[jj] * b2[jj];& p6 y; V1 W+ X+ V. U7 S
            }5 J) r6 j1 I8 a' l8 Z) Q
            */
  O% R4 x$ U! ?( C
( @4 }( T( o% p             //Method - 4 202s
' [; R. c! v  Q4 K4 Y             /*
' ]+ x2 }* q5 g7 A/ ~             for (int jj = 0; jj < N; jj++)
  C# M! A' {; U' z  N! Q0 V             {) u1 D" T6 @1 V' a2 [: {! E

; H0 [+ L/ r8 t: |/ C9 w3 k             }6 ?6 k! x" c$ p% ?/ Z# g
            */
9 C0 @6 l% t( C! m. i             //comment out all methods, N=100000  202s
) F! Y7 N3 m. ?( \; m: V* k& h2 T       }
' t# A1 G+ M, ?5 N% I2 X- @. @0 z5 X: M
      delete []b1;
* R& p# u" g& N       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
( d5 [# l o* u2 |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？
2 t5 B v5 N' Z# }; l- x: k' A2 N, H/ p/ q2 v1 h: y7 W) y4 ~
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/ L9 k2 E" t4 I* E
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
5 V& |/ G/ O7 h# d& I" f, I0 w5 Y8 E& `/ {. N0 ]0 D% |5 x2 @
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/ p8 x! d9 O7 C9 g9 U1 c
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
0 ^3 n) I- l f{; g5 `1 b7 n0 W$ _- @2 R
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