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. f$ a& @/ ^# `+ l8 U
拉下来？拉多少？% J& Y3 q$ @& O" Z; f* X6 Z8 }& ^- i
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) @, h: ^- }, f* m
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" H4 X. {% M+ \3 q* L
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
* l0 z ]. X' I- \{
L1 p) I; Q9 E7 E. e! R2 @. Y3 g 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
2 q; Q" m; b! v' y这个不是这么比的吧。。。$ d% F. F* R/ Q6 b

8 c1 L6 b7 K4 ^1 d+ e; ] C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
/ u, a- I: \' V8 r2 |/ P有道理。4 U( ~- g& e) c. @! S
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
; {& N* ~" u+ V$ P这个不是这么比的吧。。。
; a2 g( R9 t7 R$ W6 d' Z% y$ k, ]/ [% a0 W1 b! J
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
+ k; f) \+ r m1 [* e/ R/ ^. H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- Z+ `8 t- |( p" V0 d9 F* V: P
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
, V" Y# }* A& w. k( o$ C0 L/ W M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
2 `1 V' |" w6 o1 b: 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 ...

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; x: N+ Y$ a; h) \* 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);
: ^/ K3 p5 D, Q6 a0 P) {7 m       std::vector < float > vec2(N);9 o" g1 w0 T! C7 Q: _9 Z
      float* b1 = new float[N];4 x  }% V! Q/ T1 c" t
      float* b2 = new float[N];
( c4 q# K5 _) T5 x3 |5 d% l1 d4 N8 ~1 g
      for (int j = 0; j < 6000; j++)# G- _$ Z) u$ x! r* u2 g0 g# e9 a
      {8 n. C4 Q- \* g  r* |
            std::generate(vec1.begin(), vec1.end(), []() {
4 x+ ~4 `! _* a$ T4 _4 E                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
0 H5 S6 L4 V0 H                      });7 X: a7 O5 D+ U) B7 ^

0 F4 ]' i$ p8 h7 Z$ M# @+ k             std::generate(vec2.begin(), vec2.end(), []() {
1 m9 V0 I0 a1 j9 `                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
' a, L/ Z% W  j4 o                      });0 w1 _, F! d& ]7 j6 Q+ O

) V7 b9 {7 d3 j$ e             for (size_t jj = 0; jj < vec1.size(); jj++)( v& L' D5 Z) Z6 w9 x1 b' W
            {; B8 h3 g0 v; x+ Y+ E, a9 M
                     b1[jj] = vec1[jj];+ u) a4 ^* }% d" T' q& l( b+ M
            }
, m' B, }5 ^& e/ Y, m/ a2 Y: a. b9 E; y( L& q1 j
            for (size_t jj = 0; jj < vec2.size(); jj++)4 ~0 m' H& a0 `$ D' }8 @
            {
' m9 r+ i9 ?. r3 b                      b2[jj] = vec2[jj];
. R9 Y& D( B" h             }
" w! _1 W# l  {9 R. Y. v9 {  d5 I4 a2 E
            //Method - 1  N=100000 247s  - n: A% |& H$ }9 \, R# s
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
- X2 Q5 T3 g0 _7 u8 b; z
9 r# A$ ?$ C; G4 H8 v7 y             //Method - 2  N=100000  237s% H: H' e( C9 h8 M
            /*8 v- w+ w& t3 z8 C
            for (int jj = 0; jj < N ; jj++)- P+ F! z! x$ ^4 N$ c
            {+ M) f/ ~) {  ^+ L0 c# @7 C
                     fresult += vec1[jj] * vec2[jj];
! D8 `4 z2 A/ K! e" ^             }
2 E2 ?9 @5 r+ G- Q* i, ~             */
  ^. M  M1 \" }& `7 g
$ V, K, q- T8 I* H, A             //Method - 3  N=100000 204s3 }) I& v" g% V' z1 E, i% |: H
            /*" t7 Y& f" P4 y% l
            for (int jj = 0; jj < N; jj++)
; K0 z' e& H! H, K             {8 `. o# |/ e* Z+ i5 h6 ]) o3 k- |
                     fresult += b1[jj] * b2[jj];
# B! p( |, ^* i! Z) ]% ~             }6 T* G- I8 O8 H: o4 p, E% t
            */; x1 e; B. n, a! g3 R. _  H

- a& b5 Q& x) a# b             //Method - 4 202s
8 d* h2 T# }. Q2 Q             /*
3 ^' \# Z. N8 \8 z  U             for (int jj = 0; jj < N; jj++)
8 D/ N3 O4 N1 q# l  k4 R9 N4 n  p             {( Z6 `3 e7 S# ?; P
                     . b+ b; i# I; j( g9 {
            }
7 w2 o1 F. H# r; E& U  S- L4 Z             */( N# r9 {0 b8 G( ^) Z
            //comment out all methods, N=100000  202s
5 J; \) V% u' r       }
: z  J$ x5 {* j0 d& _- w7 n, z# u3 f0 Y2 B
      delete []b1;
: @! Y  z. ?5 x- W& F) @9 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
' L% g! n5 Y3 W! Q# y" k# e' u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？
, X9 v7 T+ Z* V2 p# I7 ]0 Z+ ]" }- U
1 N8 c6 J0 D0 E2 y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 01:164 Y# _; `. e' k6 g. Y Z
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% p$ e$ s) @. n5 m. D) U
4 l/ k! D0 T2 @* ^ S/ p3 c' ?
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 23:543 j0 P3 C* ~, f5 B
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB). I8 _* \6 R7 {9 I1 E$ U1 E
{+ A0 o; R8 a9 y/ m! n9 _
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