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 O. p1 p3 q' j* N
拉下来？拉多少？
7 b$ O/ v, `& w8 N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& I1 V* g( [6 ^
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
8 p: a' m5 m# u( Ivoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
; E9 |: x9 Z# O" z{2 j1 [) @2 Y2 }& f0 M4 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 00:207 A' w" n6 \ f. p% ?
这个不是这么比的吧。。。- j! r/ g. L5 g/ w& S

& i* O! H3 `+ M- j' w( d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 00:462 [& _. }0 y+ g- r% Q K0 s
有道理。
& w" U+ g# e7 d8 ?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 00:206 S/ c( O7 V/ e- L H
这个不是这么比的吧。。。
+ |5 K9 F6 _4 e' Y; R5 T3 f; `$ F' X2 a5 J2 t; h$ I
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
/ t& ^. K0 L7 a O7 B1 W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 01:279 |$ D/ K& X3 V* V, g7 A
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
0 b1 S" l, G) {' d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 P2 ^- ]9 u4 \7 `) B
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
, l4 a' r9 ]0 w$ Z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);. T2 L- ]; _: ~, j, e" Z# y0 p
      std::vector < float > vec2(N);
; ^! W, U5 z# m4 j7 x# O3 f       float* b1 = new float[N];) c7 ?! g$ T, c
      float* b2 = new float[N];
6 h+ j& m- ~, R* }1 ]( u$ r- @, n4 u9 z$ Z
      for (int j = 0; j < 6000; j++)2 _* ]/ X" v9 K" E) S
      {
' E. f- T& R- B+ i. |* J( N9 y( z             std::generate(vec1.begin(), vec1.end(), []() {# ~* B2 x# R# a) @& h
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;2 X$ A! P5 k4 B
                     });6 {& W# }- H7 D  _) X3 E

& F7 T2 I5 s$ e, i: ^             std::generate(vec2.begin(), vec2.end(), []() {3 X3 l0 z& D8 q# M1 A( E& ~2 a
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
% [( N* @2 ~, W# `: d' S2 E                      });0 G  ]* C) ~5 L* q" e: x
7 b' M+ T/ i# K6 j5 }4 d2 K
            for (size_t jj = 0; jj < vec1.size(); jj++)
) b+ E% m/ ^9 {" i7 {             {: f, J1 D' H* C$ i) f
                     b1[jj] = vec1[jj];
( g- Q, R) i4 z$ g) Y             }
5 E: x4 g! r# B! {: O* }+ w$ e+ q
            for (size_t jj = 0; jj < vec2.size(); jj++)
0 o% g; L" b2 L4 I& z             {
6 ?+ X  C, Q  f" @; I                      b2[jj] = vec2[jj];  c9 O* Y$ y1 V1 {5 a& X" u9 A
            }) u3 B# v0 ?: L' a% `5 g% g

" ^% \" c- N8 V- k( \             //Method - 1  N=100000 247s
; i% T+ E: l# @1 D# F             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
, @( N  P7 H$ o
. t# V! _+ E6 |! `' |% [" M             //Method - 2  N=100000  237s
, ?5 T- U/ K  d9 Z! D             /*4 k# i* `5 W" G
            for (int jj = 0; jj < N ; jj++)
! B* K# n! |" b8 |$ l             {0 L/ s8 R  T( u5 c( t
                     fresult += vec1[jj] * vec2[jj];3 g7 A1 b5 ?; H& S+ b* }+ Y7 V
            }& o; f6 G3 s3 p' [
            */9 J8 r$ c! Z( w9 s9 q
                              6 n, X) ^' i; h9 L' q2 x
            //Method - 3  N=100000 204s7 C. ]; w7 J# @" V
            /*& i5 k+ B' A3 I& {& Y4 j8 W2 Y; P- f; J+ I
            for (int jj = 0; jj < N; jj++)
0 r2 K3 H2 q$ l* y             {
! ?8 K% c. S0 l6 J# `3 I) [# S) y                      fresult += b1[jj] * b2[jj];
$ H3 \* T+ S, l6 O             }2 u1 C) D) }. }; n
            */7 _1 P5 L9 J5 F  L8 q
4 ]/ ^2 |' [' b' a9 n( |( d
            //Method - 4 202s
5 h# h$ [, _" b5 h0 X* Z& M             /*% p6 B2 I- G7 F# o( `6 R
            for (int jj = 0; jj < N; jj++)
) e( [3 E! b+ F  a             {
0 O# k  q( @8 `, _% I# b                      ; o. r/ U. d* T; x% L9 h% G
            }
% i# _# E3 |! P, K. `% a% m             */0 r1 i. _6 s4 M' j$ Y: Q  |
            //comment out all methods, N=100000  202s             # l# g: t4 h& t9 u
      }6 o; N6 k+ e; U8 ^3 s+ t) I) i3 ?+ S

3 A& M8 l9 ]6 A6 H  O       delete []b1;
+ H2 ^' r! S& e8 c" q4 Y: P: l       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 00:150 i/ K8 w- n- V9 w. m) I5 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？+ g L/ s2 e2 @1 }2 K

' h& h. V2 g5 t5 T' w1 Z. V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# i$ n! X* t+ x- c+ g
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
% i, e* _' P* E5 m; A. D) c# V( c! l/ \
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
& e7 _$ T; |& k& g8 Vvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)* W S8 r7 ?! w0 D4 i9 [
{: `+ |$ q0 p# g: {0 w# j& s0 J1 q
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