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 _1 l5 A: o; [+ `5 S7 i
拉下来？拉多少？, K# z6 @! o5 a8 ^: s {2 K" 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
! c/ T* A: U* @1 t( T% X, Y0 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 F1 i T; F7 b/ g( ?- ivoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
6 Z/ m1 i! O0 ?{7 j. R* P1 ?6 u# w0 N4 K) Z, p! T0 D
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
7 I0 Y5 o( z) }% d5 @5 v这个不是这么比的吧。。。
& V9 Y/ k% M# e, _7 W7 i( b$ I$ L8 ]# }4 m% 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 00:463 \8 X& u& V% ?/ N$ y/ W) Y
有道理。
2 E: w! s% A; R' f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
, m1 S4 i8 J# F2 v; a这个不是这么比的吧。。。
* s3 b( L; W q' @( O. t& |: s7 ^" j( F( l' m% A3 Y
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+ U' Y5 Q5 S4 V- u) r$ w9 C
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
$ {) `' P( I7 n0 t) m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' r! U& ?5 m% i9 T! 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 ...

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 04:475 u8 K4 }5 V) s4 ^
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
) B! u2 ]1 h7 v5 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);, r2 [/ L2 X. [9 M! n/ g
      std::vector < float > vec2(N);* `- N  F% z8 M1 a5 W
      float* b1 = new float[N];
3 }5 g0 w. m+ w$ |       float* b2 = new float[N];  M6 u9 l6 d8 D$ P6 ]2 ~; C6 G; B

' ?0 Y$ e3 Y/ K       for (int j = 0; j < 6000; j++)
) U& i' M4 e0 G6 d       {7 v- I, e; d8 b! L
            std::generate(vec1.begin(), vec1.end(), []() {& S/ `) @- B4 k
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
) X% u% i( g' ]8 u5 H: t                      });! M+ s; ~2 u# M0 h8 \' Y
5 `( q; V; N8 l1 N1 z
            std::generate(vec2.begin(), vec2.end(), []() {
- A( v$ N8 J" {- v7 e4 E# R5 J# m/ p                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
$ S- d, s/ ^9 t* M6 D! w                      });! m" k8 b6 l+ n7 h5 g4 l- l; O- D+ b7 _2 O

+ T! N$ g, A0 E$ T3 J$ V! g* l             for (size_t jj = 0; jj < vec1.size(); jj++)
; K4 r4 y2 f9 j- J- s             {! |) q  p1 h: l" A
                     b1[jj] = vec1[jj];
( M; U: g+ m4 C( R             }
& @5 D  e  X2 A- @7 u) d9 N
' j0 J% @& f* E             for (size_t jj = 0; jj < vec2.size(); jj++)
: |. u% m( R, y2 N! b+ q5 d6 m             {6 L! G# e! a2 X( M0 O
                     b2[jj] = vec2[jj];# H: s# E; |$ X3 I; y: e* I8 {
            }
1 d* w6 a  K2 ~2 u  E) W/ I5 A9 L" A0 h
            //Method - 1  N=100000 247s
" A' f4 c* }, K% g! I  \# \             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
' y& [! z2 e: M3 i% }8 V
+ Y+ u7 h$ c' K  j             //Method - 2  N=100000  237s5 s4 l) d# c# K, z0 N
            /*3 L! B3 k: a' M! W7 l
            for (int jj = 0; jj < N ; jj++)$ X- `3 }, p3 m3 H( H
            {1 t1 L7 K7 c. f! W7 ^" D
                     fresult += vec1[jj] * vec2[jj];. O4 j& p! j& y/ Y5 n8 `
            }5 s2 x$ z. X5 x
            */
# i$ P/ L' D0 U+ a) U! W- ^& }                               0 ?8 x8 g3 L/ }  |- C: @
            //Method - 3  N=100000 204s
- G+ W& ?, d; ~- W             /*
3 ~9 _8 e7 D. S; P1 o+ c! I9 ?             for (int jj = 0; jj < N; jj++)
7 K) X9 \( X; ~             {! p& x1 `5 B( ?; e! A
                     fresult += b1[jj] * b2[jj];3 i6 _  a$ l* K# ]& T3 j- U
            }
7 L1 z" E& s7 S6 H3 j6 s2 c             */1 t. U9 W) i/ B* g6 x3 P4 Q. O
2 `; Z! h/ n$ _! A2 {* v
            //Method - 4 202s% ~2 W6 {2 x/ C$ F
            /*
# r1 S# y  c/ r% M             for (int jj = 0; jj < N; jj++)* |: {/ i& p- w$ N, A5 X4 {7 \9 T, s
            {) V& A/ O) P5 b6 U1 F

/ O+ J- f- n/ i2 C9 H0 Z4 r             }
# g# R5 C' i$ e3 Y/ j             */
7 z9 c/ G$ i: B+ U- D             //comment out all methods, N=100000  202s             . D" `- X7 j+ [, U9 |# \4 k2 P0 s6 d
      }) ^* [1 U' X5 q0 y0 F, Y" A: c5 o# z
& R, B% x7 @8 e6 `7 B3 j+ c
      delete []b1;0 s/ m4 |! q7 d' T( o7 B
      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/ `: c$ ]3 e% m( q. ?! S
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？
' }# O8 K' b* H! e/ o- T
+ a9 t% I5 r' f F0 w% ]2 _( M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* X0 d x6 d5 t
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
% u7 k2 V3 d: @+ H- ]6 @2 U5 X* r
6 X" w ?- r$ [; ~$ D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 23:549 u2 v& @% p% }. s1 m: }3 t$ w
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
5 u: E8 z1 R7 ?{
$ D' ?) o, \, r+ h. y 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