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 23:042 }/ e( _) C x& \1 t0 B) H: X
拉下来？拉多少？% o" v+ |* s7 h7 B& C+ N y( n" a
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
& V2 P. U1 q5 a$ jMaybe 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
0 c5 f! ]- z$ K* t' k4 z. Mvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)) U- N7 z* g% }' w' @
{9 |" G0 ^2 g4 c- ]9 q! M' K
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
$ B) i6 x- G5 M8 _, ^* M0 m这个不是这么比的吧。。。
R9 j: j W. ?. V1 ^) L8 Z/ U3 ?$ M5 k! V% B
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 00:460 \; x/ `& w K3 W* M0 ?1 E
有道理。( d# v+ s% E$ 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" T! t: K* g& z! ]8 x. [
这个不是这么比的吧。。。) x( q4 m% q3 G( ]
+ [+ d) s( Q1 A0 C( n e% h2 W
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 }; P0 ^ D2 Y+ J0 @9 P; U
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* J" E- c/ }7 G* Z0 {8 d6 J
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
% B1 Z% h6 B' O _4 O2 V2 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 ...

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
; e5 y: _% k) G- Q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+ A% k3 J" d2 t7 W
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 E9 P! y& D" ^+ N! G1 k. I+ `       std::vector < float > vec2(N);
9 w& K# R  K# S6 u( @       float* b1 = new float[N];
6 i" y# g+ l7 j3 s5 _$ i) q; W       float* b2 = new float[N];8 e$ V- y8 B! ]6 [; m/ @) b

' ^- t! R* U: b! C- _       for (int j = 0; j < 6000; j++)
& p+ ^. d2 C6 L. u. ~5 [       {0 _3 K9 B' c4 Z! ^+ X: c
            std::generate(vec1.begin(), vec1.end(), []() {
6 `, z- _) }) A1 |                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
% E3 J: }/ b, i0 F% v  R                      });5 W. S6 v6 w# ^5 j) T

& j9 S1 \  |8 x9 ]             std::generate(vec2.begin(), vec2.end(), []() {* e& w/ `& P5 k# r6 B
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
# p. M4 M7 n) S& _+ l/ c                      });2 X2 q/ A' c3 m* Y$ T& i) d& T3 H

8 C3 d; u* n  U# q5 w$ H, v' _1 r             for (size_t jj = 0; jj < vec1.size(); jj++)
) c$ K- f3 Y: E. B             {
* k, s6 v) u4 N; r1 a" ]                      b1[jj] = vec1[jj];+ L8 e; K0 @0 k- _
            }
7 d; b  W+ ?+ ~+ T9 \/ ]% Y
/ b" H5 b' e) ^' Y9 a1 Y             for (size_t jj = 0; jj < vec2.size(); jj++)4 I/ S; C! K$ b7 _
            {% W4 R' X2 r, N6 F3 l& y( |: I
                     b2[jj] = vec2[jj];$ A# J: c2 V, [$ m& c7 f7 z7 X8 Z/ ]
            }" D, W# U+ A" ?  ~

9 U$ ^& t' w: ]+ L" v( i/ b4 h, B2 R             //Method - 1  N=100000 247s  4 y( A; Y8 T; T9 L, g" p& t3 I
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);' I7 `+ _% j% d# E8 A
                              8 b7 B6 t2 {' V: G1 ?2 @* y9 n6 j
            //Method - 2  N=100000  237s
  w( P" c" u! x5 h9 A% `( I             /*$ v# J/ i4 i( m. K5 z
            for (int jj = 0; jj < N ; jj++)1 n& w. x* K; g9 p8 _5 n; X, q
            {7 j, }. P  O1 k) |, p5 g+ _, T
                     fresult += vec1[jj] * vec2[jj];& M& x6 q2 p% J$ I: }' q" V8 b5 }
            }
: C% ~; i, y  T; s$ a; c             */: v& X: p- J* Q( S# h6 N0 F# `

7 j! u/ D  \0 V, f8 ^% {2 m+ c             //Method - 3  N=100000 204s( e8 g3 `6 L2 l7 F% J8 {6 j& z
            /*
7 C7 J: P0 p6 S' Y             for (int jj = 0; jj < N; jj++)# R! a  q1 y2 j# ?3 y6 r3 Y
            {
5 T! x: }( i+ L# i) M                      fresult += b1[jj] * b2[jj];
            }+ s! t, n( w; O' r4 A. M' @
            */; L( B$ w# B0 C! o5 B
4 V% s% |& w; H; F8 ~
            //Method - 4 202s
: I# o! r: v  o( L- ~) L) _+ E             /*
. h: l$ P* q9 f- O             for (int jj = 0; jj < N; jj++)
) ?2 M5 \! U- n$ Q3 W             {
; F3 V+ y) `2 L' O) m                      & S( ?2 c+ a- @2 e6 ^: w5 t8 C
            }3 o$ M/ p7 \5 _- \7 U  ~. s
            */- E7 b8 b! V6 P% X
            //comment out all methods, N=100000  202s
3 ?" f" \+ t; N9 A6 V       }
) o" N' i* ]/ q2 \3 t/ J, n# e' |" m8 t" K% w  W9 |" E; L
      delete []b1;
+ \* g5 J' d6 T- x# u) O       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
$ b: j/ |" E; n& `8 w. [( m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？
* \1 j( w2 b `. l3 i8 ^- @. O. F/ d! A9 G4 c5 C; g
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
, s$ e9 U/ R( E5 r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& `- D/ z* M A. {! [. a- _0 x

: x2 `+ d) U+ S' w; j& |, f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
; l4 s9 ?+ j1 _/ p. |0 Bvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)2 O+ S" S4 M: j; T) J4 t
{0 C M1 ?$ T' e9 z4 T* D. H
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