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 23:047 X$ u- Y3 J# N, N5 N4 r& A% Q
拉下来？拉多少？
) q$ I6 d3 }, p6 q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; E9 l: o6 Q; @+ e. ?5 I% s
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+ X" Q8 M) O% {9 T/ O9 n* `
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)8 f. D, O5 k1 m5 I- A
{
2 t Z: x3 v' Q' _5 D. R 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( ~5 V0 m8 K) M6 K! d
这个不是这么比的吧。。。
/ Z( l$ m2 T; Y: Q3 O7 k+ h) A0 c, {) g
, J+ n M4 R" e" _: `- V6 ]4 \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
0 l; O0 E1 V1 X ?+ `9 R. u有道理。' D7 D2 a9 V* ?( V7 }
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  F% l$ G8 V' C
这个不是这么比的吧。。。# ?, u  i0 D( J; m4 B; }

, D! A; A/ h* l9 V) v  ~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
& [3 t) v9 l: p0 c0 L ^& N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
2 y- h( j% t6 d/ D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
3 d/ c J9 v0 M, O1 N; K) T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
& H& U# R. \' N$ U5 N" M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
+ {& s* }5 L* l: V. ^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);9 x' N8 k/ X# @: w8 B
      std::vector < float > vec2(N);7 a5 A$ |# f9 U9 n
      float* b1 = new float[N];! {1 ^7 H5 n$ q3 d. Z8 Z' x. w
      float* b2 = new float[N];
9 l; P( F4 \6 G/ Q5 X4 g1 T6 b4 X3 O3 G
      for (int j = 0; j < 6000; j++)
/ |% {: U3 c6 r2 ?       {9 E0 T5 S: I, S# A
            std::generate(vec1.begin(), vec1.end(), []() {+ G; J4 [3 v4 ~  p3 y
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
& O. u! T) l9 y) i5 i                      });/ N0 K4 Q" O+ V4 @9 ~2 ]" I* N

6 l7 l% m  K) X6 v9 M9 `; H             std::generate(vec2.begin(), vec2.end(), []() {; U5 I* u: y8 h: o' v
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
! ]* e8 W" R" q( ~4 x) h                      });
2 A7 o2 O! S7 _3 e2 @- P  w3 Q8 M; y5 s& `# T$ S
            for (size_t jj = 0; jj < vec1.size(); jj++)
/ @8 q) S5 U% Y2 _& ]. U  X             {. i8 z% o( w+ L; O" B5 i( W' s
                     b1[jj] = vec1[jj];
7 ^  L* H/ y' k" i: B  ]             }
3 R% x- C3 U0 `% {% m2 Z# Z$ {
1 U- v; i$ {5 a! P! ]5 h1 u8 i             for (size_t jj = 0; jj < vec2.size(); jj++)
8 s3 w$ Y& b- F# V; y' R             {) c8 F* l& t/ g% _( [0 \- `, I
                     b2[jj] = vec2[jj];% V  D4 f4 P4 g: C+ Y$ a2 K
            }5 |) S7 a4 V7 f7 ^5 |/ o% A
& `( @+ I- V9 g3 |; z
            //Method - 1  N=100000 247s  : ~1 @9 m+ n) l
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);+ d8 ?- [  H; {4 m% y! R

  z# b5 d" Z4 Q% h. i             //Method - 2  N=100000  237s3 N. D$ h, X8 u2 F9 N
            /*1 D6 C% P7 d: ?6 y, n1 x( A
            for (int jj = 0; jj < N ; jj++)+ y* K, ?) V! j! [9 b- ]
            {( }0 u$ x1 a9 R9 f
                     fresult += vec1[jj] * vec2[jj];
& \" P( {+ |7 }3 E             }
( w" B5 y8 N, o) W. x5 ~+ s             */" A- c2 }, q. P

: r5 N4 a8 w# C# ?/ O, r: g2 j( j             //Method - 3  N=100000 204s
. ~  d9 |& r+ `9 p9 I             /*+ K% }! C0 t4 H# \+ {
            for (int jj = 0; jj < N; jj++)! Y2 V; g! r$ q" b
            {
% U) Z& d6 G9 t' L7 S                      fresult += b1[jj] * b2[jj];9 Y7 F* |9 h( F$ ~
            }! [9 E6 [) t9 K* i1 H: e
            */# k  w* r0 j* n9 A8 m2 T8 x

: s; Z6 k: M% A/ h             //Method - 4 202s
! h3 N  w) c1 B) A. R7 x             /*
, {+ W% F- X  q# k9 N             for (int jj = 0; jj < N; jj++)4 f2 Y1 o3 ]3 Z; n" @. w
            {  y; Z- m, g& h) h/ W: ]
                     , x; P: H! z: y4 b
            }
) O. w% j, C4 B             */5 \5 n9 Q  b+ x) h* S+ y. k( V
            //comment out all methods, N=100000  202s
! z& j3 y* v/ [% }/ P' H       }
+ P; i8 k" C/ J; J  h1 e6 e' n* E9 `4 \
      delete []b1;
( T+ P* k1 H8 X7 F       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& T: ?' I# O6 J" }& u
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？
3 T K ]6 S, U) p* d2 Q) a$ r' S' Z3 ^( O3 f3 p- H8 x
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$ y) ^* P V8 _4 q" Q
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
; X) s! B- L% f/ u% y/ n9 N7 n8 U
2 B7 h4 w- p. J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
& y! [5 ~% h& \: c) lvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)- V2 T& T' l* l) G: p
{; O! M. P8 G5 U! ^6 X
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