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
8 E9 i! o% O$ Q" M/ S2 V" Q& F+ K拉下来？拉多少？
+ l$ L6 {) L; N. {6 r0 s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' W# C* W( h( P4 l/ e9 F8 |$ {! C
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
) P: ~( l0 F. \' K7 cvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)0 d$ u9 Z4 [3 I; F7 Q: @
{, l+ S: p% f9 N2 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 00:20. W# E" a+ v1 m
这个不是这么比的吧。。。
* |6 b$ B" o0 o$ u
2 h6 `1 Y P. u' G! Z7 E2 S( 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）。

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
" S* |$ f& J8 X& r! s) q" Q有道理。
- F1 c/ `! l- y' x+ f' T7 P0 i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 00:201 E- P0 x. ]* x) x4 _$ z" }7 C
这个不是这么比的吧。。。0 w7 {" A1 Y; t) z+ o

1 p; c% V7 b% @' j" k4 K0 h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
8 J* r" r9 Z1 X9 {/ j* m- D* k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
; D9 [. [) u( Z& ]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
4 X2 ^6 m2 z8 A9 t; K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& F. E6 F8 u- u; p* C4 w$ [' [2 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
, m( h6 K8 M3 s' E- K9 y3 r& M+ e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);
, \# A( s! g9 l7 {; C- T       std::vector < float > vec2(N);( ]5 b6 x6 P% H
      float* b1 = new float[N];
% ?3 Y" q' }6 f! _" \6 t       float* b2 = new float[N];
5 H- d) j; I, J' W0 G% ^3 c, ?. B! y" T5 i# i* v
      for (int j = 0; j < 6000; j++)
, D0 V7 Y7 ^- A8 b( J8 f/ z- {       {
2 A( @1 a) l7 W6 l; h             std::generate(vec1.begin(), vec1.end(), []() {! h; M' j1 B; n1 O& u
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;. ]: w5 c. b2 x8 x. ^# q" p; F
                     });
# x. S* y) x. Z: D3 ?( ~2 A2 X& T& A0 h0 B# l7 Q
            std::generate(vec2.begin(), vec2.end(), []() {
9 g& E6 o8 ^) ~# j3 I/ [                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;$ O* d/ d! B0 E5 D0 u  Q* \5 y; z
                     });
1 M! x+ ]9 m8 k; F2 b9 q1 w) |! d1 J+ Z6 b  M0 v' i
            for (size_t jj = 0; jj < vec1.size(); jj++)  h" v  r' \0 X) R8 H  x
            {" j) u$ g: {4 c! N0 G- f% C4 y
                     b1[jj] = vec1[jj];
; F9 c5 P# R! j& K' J! i             }
" d6 i# S7 l/ y4 T6 A
0 g2 N6 M( O" T& @7 J             for (size_t jj = 0; jj < vec2.size(); jj++)' o; e/ S' c% L$ Q, l! O- q
            {1 p5 w, |6 n1 s8 M. k  L1 c
                     b2[jj] = vec2[jj];  u& `" x4 O9 V# b4 f
            }
! w% Q4 E, }0 Y0 @, A5 b) v
0 C  ]  ]( ?, b- }3 u/ z             //Method - 1  N=100000 247s  ( l. `0 ~0 X2 Q
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);& R9 u* ?6 y1 A$ H* @+ ^5 K& c

4 f4 J$ |8 W6 Q, A             //Method - 2  N=100000  237s
4 g4 w8 U. l( M; t8 T& K             /*
5 Y( i; T8 x. t% M, n, d             for (int jj = 0; jj < N ; jj++)3 `+ F7 d; J& p5 O
            {
. [0 [  Z& y$ S7 \  h/ H                      fresult += vec1[jj] * vec2[jj];) B1 W6 |: i' a$ V- L, A
            }
' ~% E: ^4 G' g: v# ]; N6 `             */0 x; _; \( @5 b4 C! s

8 A9 H8 G: ?; L7 @  ^4 S4 T) P3 S8 D             //Method - 3  N=100000 204s
& O# @, X8 v  |" w  i4 ?1 @; c             /*( Z, R+ M6 \( O/ g7 P4 m; U, @: U
            for (int jj = 0; jj < N; jj++)
; |) e# U" }& h# N; l, D& H             {! z- R$ d# d7 {2 _; J' ]$ j5 p2 j
                     fresult += b1[jj] * b2[jj];7 y' V. x* }5 T! j; g
            }
% o; ]' g8 R8 ~7 h# D* g* k5 S             */
- M" {" r  J; ~  A4 ?9 x) }7 M" ~0 V* V- B: U+ q
            //Method - 4 202s" c' D5 ]& f' }$ }# |$ Q) `4 Y
            /*1 B2 S' |5 A. \& b( Z
            for (int jj = 0; jj < N; jj++)0 ^  i0 v" P0 q! N0 j
            {
3 g! L% @& v: S( n, @2 @
8 t4 U  h- u4 ~) j: s! Z             }* q$ k& d6 k4 _  F& T/ {
            */
- Z2 r. V% s1 n, }' k             //comment out all methods, N=100000  202s             & w( S/ G5 v6 R' ?8 U- N  X
      }/ N! ^5 G* G# z, c7 `# M

0 q( l  n5 t& Y7 k       delete []b1;4 j- V5 z: E1 m& g, w; P
      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
/ n; F) ]' ~, v* W; ]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？
( H. F) h4 ^$ Q6 F# W8 d$ W0 @
+ [+ S/ q, \9 \+ z7 e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
% L+ E P* ~, |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/ Q2 }- P* g F& C
8 f8 J5 R* k: I9 Q 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 23:54
0 o- y9 w5 L2 x6 P7 Lvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB); G' B( N+ T" S. R. H. E1 h
{1 m4 H+ l. F( o- ?
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