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, ]/ w/ Z9 T1 P& D) H
拉下来？拉多少？
& r" G5 ^9 v% A8 P# 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 23:335 @* q8 Y" b3 O4 P7 v& o' x+ f/ q
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" y* R. W$ K$ v# m j
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)' W/ Z4 x8 i1 X) ?/ p: Z/ ^
{
! S5 i& U( c9 k, f+ _ 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 00:208 U0 m' l9 ]! e3 u. Z6 D g6 o) `
这个不是这么比的吧。。。
1 i, I* h1 L2 ^+ E; _! A4 N3 ^6 t1 l/ x
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/ v2 i! n4 i5 e6 F( F: A- p- r
有道理。5 r' l- P* |7 \# P; `
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
. R$ U* D+ `6 W- J" T这个不是这么比的吧。。。
- s* i/ ?" |9 y. @
9 W' b" \+ B( g& y2 z, G: `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
$ V. ]- P3 l9 g* N: m$ Y) U ~$ D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
9 ?7 i; B$ O% i! D. y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
2 z2 v1 u, @1 O/ p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 04:471 L6 p8 A3 G* Q5 y2 t% K; F
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
, h3 o/ h! m! n+ V" k0 `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);0 A* m9 x" H; {
      std::vector < float > vec2(N);+ N$ G. _4 ~: f/ e
      float* b1 = new float[N];
, M) R8 {4 e+ I2 A# J; z       float* b2 = new float[N];1 \1 ~, T0 Y: b: K8 \; J

2 D' h0 |! d9 F% l       for (int j = 0; j < 6000; j++); s, Z" d, R' H: }: L8 \6 ~: ]$ c6 J( g
      {- ?3 C& u# `* E8 f! {) F
            std::generate(vec1.begin(), vec1.end(), []() {
; g7 N4 `4 x7 K4 V7 e1 q4 Q                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
# X: c  T* `& e' x" P/ A* ]                      });
- B$ m5 J% W3 H( d
, g; ]  K+ B2 J3 F4 S/ E             std::generate(vec2.begin(), vec2.end(), []() {
6 ?# c. `( T; m2 n                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
1 d1 m& K) I4 Y5 w! v                      });
+ h: o4 y$ E' D. E/ M
7 Y; j  `! I+ S" @9 M             for (size_t jj = 0; jj < vec1.size(); jj++)
' x' o. _/ x8 W% @7 `             {
) Q. ~; V6 m7 w' k2 [$ I  Z                      b1[jj] = vec1[jj];' A/ \. @, Y$ L) ^: b  \" `$ S) [# t# M
            }4 o" S0 y# q; h. F
) d% u6 I/ u- {5 \% B/ x
            for (size_t jj = 0; jj < vec2.size(); jj++), V& d& m: A" e& U/ Q  B' T8 O
            {7 L0 {; ?1 \$ G7 k, C
                     b2[jj] = vec2[jj];0 O( ]; D+ a7 X! `& t) C- Z# a2 _: K% ]1 H
            }8 V) R7 B. ?2 p: p2 q$ |" r

7 @, _" R" Y* H* _             //Method - 1  N=100000 247s  + R5 l2 C' k/ P
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);3 z& Y5 b6 k8 v* ?+ j7 R

  V& }1 v2 E9 d) s7 k             //Method - 2  N=100000  237s
* X, J, S" k( E5 P$ X4 S: D             /*0 P& N. C! Q/ a/ i# t  V# a
            for (int jj = 0; jj < N ; jj++)
6 y* b& z4 q8 q             {
3 V! E$ H! l+ T7 L' `6 ^0 d                      fresult += vec1[jj] * vec2[jj];
- s& p7 F) s' V# A: h0 p             }& g  @( Z' F  l9 X, h; C
            */3 S$ K* l4 ~1 A4 q, o3 C
                              + t, b/ w/ k' s5 V+ }* Y2 A7 F3 G
            //Method - 3  N=100000 204s
* Q8 Y0 z  G( \/ i7 s             /*/ Z( _7 j# ?/ O7 [2 f
            for (int jj = 0; jj < N; jj++)  k2 O' t0 z/ H2 |
            {$ B7 _- u9 B) G1 \9 C* `2 H6 ]
                     fresult += b1[jj] * b2[jj];
$ W+ i' k& A+ o1 j' |             }
1 h% g4 \3 D5 H$ x$ @  u" H             */
: a' O# l/ \: _5 C6 P* R6 e& `
1 c  a: _/ B; \$ |& c& u             //Method - 4 202s- w% N/ j4 z4 j
            /*
4 K- K$ A; t, r- g! }             for (int jj = 0; jj < N; jj++)
1 G0 D" A! [* p- a$ Q* m             {
3 V& G- N9 h6 p# `                      ) A( A3 C# I3 @
            }
, Y; S& z" i) U2 \8 ]* a             */& M- K$ Y1 j4 K, G/ X1 |  K
            //comment out all methods, N=100000  202s
8 a/ t5 W5 ]: C/ v; M       }
* N1 X9 Z/ l8 D) j1 ^& Y5 J0 G7 s1 m6 ^5 v* u
      delete []b1;
# ?6 f# n( r# j7 H' {       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
K( ~+ \8 L* x1 |9 u- }$ x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？% L1 n# A$ }8 k

% H& \* E0 ? T" W" B! [# G0 [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
* @* h( C4 W4 s# H: R& V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
, w. t9 U# z2 Y2 T! y
T' `6 }1 u! }5 J* e' H# O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 23:542 _0 i( L8 y( q& Q6 W
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
$ O$ h8 I. `1 S" B8 R* c8 i{. Q0 D; {" a" a z! Z2 O! ]9 Z7 a# z
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