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
! V1 g8 H* t& c. L- g0 {拉下来？拉多少？
5 h. Y( u3 }/ O5 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
, F6 t7 i6 ?4 k9 V7 s" P5 j- n) eMaybe 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
, E. [) d6 ]9 A3 o2 a& Ovoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
7 k# O* J0 _3 U+ {, g{
" b7 P2 L' S7 q) N* }$ T% _ 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
9 _) B* m, |+ M1 q: u* z这个不是这么比的吧。。。
. v% u7 g R0 U0 F9 q. F9 i3 ]. }
% j! r2 H% Q5 P* ]* P1 O+ [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, j1 \0 P- a$ i9 }
有道理。
; y4 N: l2 _! D0 x3 D0 K; v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) I/ A! K* ^) I" }( M
这个不是这么比的吧。。。7 C2 x0 C$ k4 a! A7 b! t2 f

0 w' [/ f( }+ X( n; 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- e0 \" n) F3 Q7 ^1 s
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' r6 I. B% t* K' s% F( s, J3 Y" a0 V8 a1 S
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
7 g9 r/ \% ~# I( t, E* N8 H, o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
5 z7 W1 o4 ^2 f. V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* `% v: E& X" U. v8 x
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);
( t4 b* K& O7 {  w1 Y; _       std::vector < float > vec2(N);
/ A& S* j9 @3 m9 v# u8 d7 ?( K       float* b1 = new float[N];
5 t/ G6 q+ l9 \3 C$ [9 T4 S& H" ]1 K       float* b2 = new float[N];: E3 \2 f9 [! r+ p
& D8 g- d) F& m  V
      for (int j = 0; j < 6000; j++)' L; g0 A6 ^- f' l
      {
3 ]& I7 ~4 g. g* V) I             std::generate(vec1.begin(), vec1.end(), []() {
2 T# ~% [: ~: G                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;* x2 Q) M+ _5 r" W2 Y. x9 `
                     });
, p1 {. I3 `: O/ b
5 y" c4 c* [; L3 D( w             std::generate(vec2.begin(), vec2.end(), []() {! ?0 g+ Z8 X. F1 F, ~2 a3 _
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;7 m: w# D. ]+ Y/ d
                     });
2 l( z. ~7 T- r3 n# Q/ ?$ S
/ ^/ \9 U. d) e; j+ v8 ]* r             for (size_t jj = 0; jj < vec1.size(); jj++)5 D8 Y+ \4 Z5 a1 i3 `& B
            {
3 [/ i6 ~, N; U  V0 n& t! w. D                      b1[jj] = vec1[jj];9 J: X( y2 H) W" ~: ?# f
            }+ L  G( C0 w8 ?2 K
, z1 C- `3 _1 |# R
            for (size_t jj = 0; jj < vec2.size(); jj++)
( o% q; {, o; B$ y4 x$ L1 s             {
+ ]+ Z8 w/ J9 E$ F5 l; F% m& k                      b2[jj] = vec2[jj];
* I0 i2 _3 T( u: A& R             }. \) c! Z. S5 A( l: S

/ r+ e; q  k! W$ h: @% J1 _             //Method - 1  N=100000 247s
5 r, R; l1 Y! v. u( D0 b1 |             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);+ ?  W% h; k5 H+ p4 x
                              8 f' c& v5 P7 p. O  Z& k
            //Method - 2  N=100000  237s
7 $ |" U' A6 B+ l9 O: }% u             /*
+ x) A) X' H0 H6 I0 S9 O: w& F             for (int jj = 0; jj < N ; jj++)& Y6 t8 v4 Z& n6 h8 _
            {
; m- x; }: E" X' T* e                      fresult += vec1[jj] * vec2[jj];
! B( N6 D& m% v% |, ]; D             }
7 `& S) z8 ^: R6 ?" x/ Z             */0 ~9 t- W3 m  p! r/ O$ x9 }3 Q
                              5 J! `& T  i' U/ `3 r$ w6 y: J
            //Method - 3  N=100000 204s9 ]$ o" p  O5 H3 p- m7 w
            /*3 `: ~  Y; W. S. Q* D6 K' G. D
            for (int jj = 0; jj < N; jj++)  N8 D5 p( n+ }/ U3 K: Q; u' ?
            {* ^- g3 J1 ~. r6 b* l3 N' _* f: }
                     fresult += b1[jj] * b2[jj];
, G2 _4 U, C9 N' m5 r5 f% f% u             }
' G) Q* c; d# K  K" ?2 a' R6 C             */
* e( |; g4 w( r5 ]8 }, z. j6 N8 o' j. x7 F$ z3 T/ p6 G
            //Method - 4 202s2 x) k1 p! c! D( M5 P
            /*
$ |2 O2 w" {/ k6 k             for (int jj = 0; jj < N; jj++)
' ]2 W2 A- $ g             {
6 @+ K$ ?5 U5 f7 U: M+ H$ W                      / K- F; |9 l/ R, M) C1 `0 L
            }' p" U/ b' `* c7 B3 U
            */2 ~1 `# |' g% P0 n2 a
            //comment out all methods, N=100000  202s             6 D9 j% o! F0 j3 h1 @+ P- C
      }
$ e0 Y! u  [5 f- c1 W. T( k
3 f6 b4 i$ V5 }0 q( s* l       delete []b1;
8 e( e. ]  K) k       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, W' M2 U% Z+ M7 c8 Z
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？" a6 P. e$ `6 Z' \& S: q

0 K# a7 q7 J( e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
5 E* I3 Q- k1 `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
/ s7 k# X- b F: q7 X6 l; U& a0 \" k; u
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
# b; t k2 b. A9 `void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)* U5 U8 P) f6 M
{$ B( ?6 d6 @, _; Y) E: @
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