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 23:045 I7 e+ e; W0 j
拉下来？拉多少？
- T) V6 J, l! v& U. c5 V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
: f8 G* X& D& \$ G {. Q7 YMaybe 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/ b& W3 v( ]: S ~7 l
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)5 D# F7 T3 Y5 c5 C6 b3 c! m% F3 n6 ?
{
, k0 U; @1 d! ^0 d% u 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
/ O8 e% C& t- {6 K; r# U9 T- ~这个不是这么比的吧。。。4 A& {$ W& B6 i1 U7 i% O# [
0 ^; w {5 M9 D E, @: 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
' q* o2 [) P. j有道理。5 U8 [; V* g5 m
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
: y( o/ U" e1 b+ C* }" E* [这个不是这么比的吧。。。
1 P4 w( U4 @% ~% X1 J( r3 u! F+ C) I4 |7 @1 B; ~, Y+ E
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 01:489 n+ ? v9 ?# E( G+ Z* [% j; 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! i, @# o0 b; ?
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$ E" L& g. S* m) o9 \) S& L- L
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 04:473 |9 A' c$ j; 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
) r+ |: X8 f% P. p# ]5 P. p' u* S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);# e8 F0 y- w! K5 n& C
      std::vector < float > vec2(N);
: X! K& e  O5 x5 s% C       float* b1 = new float[N];6 Q$ t" e0 |0 u& T; H# z
      float* b2 = new float[N];
) a, e4 z$ E7 }
! B5 r: O% K3 x. ]  ]       for (int j = 0; j < 6000; j++)! I) N" F( n' U" A; B
      {
- f# g8 D) p: R! c$ W1 P             std::generate(vec1.begin(), vec1.end(), []() {: S5 {9 D: z! Q: D' U" [
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
3 T. K% {6 }2 e6 `4 n                      });' G9 h# x+ X  l3 x: E$ e

' K8 f& ~9 C; f8 r# h$ G             std::generate(vec2.begin(), vec2.end(), []() {. F% z4 X% p4 x
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
3 u3 V7 u$ Z: x0 o) u$ O  a                      });
+ H$ |' j3 r8 s. \; O/ ]/ U3 ~/ Y- ~% P0 J/ j, N1 p
            for (size_t jj = 0; jj < vec1.size(); jj++)9 F! H4 v: m: @6 C! e- c( L# m
            {
' ]6 h- m1 ]3 N6 z                      b1[jj] = vec1[jj];8 d$ P6 R) L. m: h: j
            }
- E) I/ T6 a5 z( [3 x- S. a3 N
, p2 \, V) Z8 Q4 g9 \& ~9 X6 ^7 N  H             for (size_t jj = 0; jj < vec2.size(); jj++)3 V. _' u0 G4 G. q; o' K
            {' k4 b% `/ p& |, U; F$ _6 W. e
                     b2[jj] = vec2[jj];
6 h4 t) {" R2 @1 K0 j+ S. i; Y             }# f  E1 d: Y" t7 Z/ z5 J

# O* a+ l; t. Z             //Method - 1  N=100000 247s  9 l$ n, b5 y$ f) T3 i) ?6 t+ J; S
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
) I+ _( R! x! W' a" t, V+ ?3 s                               2 |+ p( k( ~! I5 S+ X4 m
            //Method - 2  N=100000  237s, j) c4 n* e: ^& C& L5 d
            /*$ N4 n1 q0 r: [" a& {& @0 A0 J/ w, n
            for (int jj = 0; jj < N ; jj++)
5 a$ J" g. A! N             {
4 \5 _: W2 Q' \5 D- C7 _( o                      fresult += vec1[jj] * vec2[jj];( o& q) H5 h, h4 `6 N
            }
' V! G) q  |3 s! y% Y- e3 u* T3 o$ ^             */# d+ r7 z/ ?" j% o9 q( g$ i8 w

$ T8 ~9 V" W' I, T, L7 s7 s0 \             //Method - 3  N=100000 204s
$ p: N3 f+ D( r1 A0 g             /*. j- N& a8 |+ B5 e$ e# `
            for (int jj = 0; jj < N; jj++)
! K2 x  Z7 z5 x5 }$ w! L             {! [8 R- O" |# L' _" l
                     fresult += b1[jj] * b2[jj];
; {: n! g1 H/ j& x( M  ~             }
0 m9 Q. o+ W& d0 n             */
9 k+ R- a5 p6 T
% D7 N1 i4 Y, }0 B             //Method - 4 202s; u7 F3 `* _2 K6 q3 b0 W
            /*6 E# }# a$ O. P8 h
            for (int jj = 0; jj < N; jj++)
0 K* b0 o) I6 ]; X7 J# a- l             {9 {9 M) f$ l* @; o" B

1 d/ Z; n9 l. J             }' n3 T5 Q: p, a' ?
            */
" `5 x: z9 L6 b0 D8 z             //comment out all methods, N=100000  202s             6 n9 I- A7 F# A# s
      }4 a  s: u" y0 B: X4 |
+ v0 O# n. G' C# l8 S
      delete []b1;) c( x' g9 c5 K. S3 U  Y1 q$ a
      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
# O& N$ \, c& }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？
' |6 I8 j4 e" s. t( u$ C7 ]) Q* M; ^1 o7 {) w r1 Z6 [
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$ ^6 u/ y1 W& @) H
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" F9 w6 Y- {- Y( v w
) ^0 F7 {' Z$ ] N" _
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
- U* A) A8 _, |% @+ q6 l( r1 Gvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
. s. x% I4 G( Y. b+ q+ E1 K{
/ s5 j, w9 w2 a. J# n 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