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 23:040 [; [9 F' ~2 [
拉下来？拉多少？
- |5 y* b6 {" G( m/ `3 x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
% C0 l! P. B7 C2 U- V9 d+ gMaybe 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
5 A2 I" C# d9 c: U8 u; P ^void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)5 M4 N* ~/ b8 O3 X/ j8 V d
{& M& u( z% m' d5 q4 N2 V
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/ A- Y0 z6 r% `4 N- Q, t! X9 Y
这个不是这么比的吧。。。
/ [0 ]+ o+ N% j0 U$ U( H0 U1 c* w
C/ Y5 G) X7 A7 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
$ y0 e5 ~. |6 w0 |8 k1 x有道理。
. k: n* s4 z; i; y' J+ E9 v 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 00:20
7 h1 t% S& i. n& O7 P# ~2 A( e0 T这个不是这么比的吧。。。
# L D" X' b9 R( O$ ?
% ~' P n+ h/ P3 z% D2 U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
. e7 w2 b1 e5 G; 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
( y) g2 J/ b; }' `# q' 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: K+ [; c& E; y$ n 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 04:478 j: H! g7 S7 l' p. I1 x1 \+ k$ V* R
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
: a4 p( A- t; o2 o' X @- _- p. f1 o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 h- M0 a. A; a4 Z9 x) {& m       std::vector < float > vec2(N);
* ^( [) @) M3 @, @2 A3 A       float* b1 = new float[N];( F6 S3 Z; D6 p+ d# A8 y
      float* b2 = new float[N];
6 K& W) P/ N9 N  I0 W* t
' z$ r$ h" c* B* m7 J3 c       for (int j = 0; j < 6000; j++)
! R3 o7 g- X* ]) f* Z       {
; V/ j0 d; X, ]             std::generate(vec1.begin(), vec1.end(), []() {
2 i9 C% R" e8 R  I: @1 ^9 U                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
" g6 u; m$ ]6 b4 `3 y                      });
0 p+ M$ Z" s0 @* r" A5 [/ `( e
" w) C. M' R" F) l             std::generate(vec2.begin(), vec2.end(), []() {
" k5 f! S; }4 Y& `                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;6 j- W  [# j0 g, z! P+ S
                     });% ^) {; j3 p' J0 I* B

            for (size_t jj = 0; jj < vec1.size(); jj++)
6 |/ P3 v( E2 _1 m             {
- a: Y* j+ j3 |' M! f" B& O                      b1[jj] = vec1[jj];
+ P1 B' t% V7 }: y$ s3 f) S             }' M; g) V; _0 k! T4 F

/ g% E* a0 X. I" \             for (size_t jj = 0; jj < vec2.size(); jj++)' _* ]0 a# }. c5 Z8 |. M. G
            {. ]0 }& W+ N* p, w4 \' t$ G
                     b2[jj] = vec2[jj];, S# c( b6 l) d; V3 x* R
            }
- x: d' k1 g6 l4 j" ^0 |
- X: j) L3 @: ]8 V  S. X             //Method - 1  N=100000 247s
# {9 G1 d/ \2 N             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);% U' A% H8 d4 U1 W; {$ r7 ~) }

7 _) h8 Q. t7 @5 w5 o% i( {- o1 h             //Method - 2  N=100000  237s  n9 n- @4 X! z9 ]6 r2 s
            /*
- Q2 j9 |8 U- k. K, q             for (int jj = 0; jj < N ; jj++)
$ D! {% P' Q6 Q6 k7 O             {
# K( \& ^5 V/ s7 H/ O( D" S' g                      fresult += vec1[jj] * vec2[jj];: d5 ?6 a) Q+ F" D' E2 K( U* R6 d4 u
            }$ v; ]# |, P2 Y
            */
( W6 p# _9 H7 y. u9 ^
: c. h7 m1 x1 t2 L- @             //Method - 3  N=100000 204s. i4 C2 {9 M% R; T
            /*
( J/ }  M& d  {$ F             for (int jj = 0; jj < N; jj++)" @6 |+ \4 o& U( c) k
            {
% B/ j8 K& w0 d: R0 l                      fresult += b1[jj] * b2[jj];  J( I, T$ w3 w6 a% Z% \. I+ }
            }
3 b* V" a+ s+ ?+ m             */
5 f& K: i9 T3 E5 M3 f9 v8 F' @
  f, F4 p+ U# C; ~4 h$ r             //Method - 4 202s
0 H8 k/ \8 t- \! |/ }& ^% L) [             /*
; E. r5 W8 e6 W4 X             for (int jj = 0; jj < N; jj++)
! }% @+ ^$ N' M. b0 w             {
, _" F. I# |: b& m3 G' p. D
* Y6 c( J4 i# s+ H) `: g5 G, |             }
" |  w* h( m  d7 N% @  m/ v0 ~             */
% w! ^7 @$ F" K4 v7 y             //comment out all methods, N=100000  202s             + ?) }: a/ o0 [0 z
      }
1 J5 B  o3 p+ v% i7 B/ j2 j' ?! M1 Q1 K' X% y0 C$ p
      delete []b1;
8 U  T4 B5 k: L/ Q       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
' C8 u1 Y7 r$ r+ 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？
) m$ g$ ~! m. f3 H- Y" K/ J- ^
- n# C$ p, F' R: V* p+ t/ r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& e8 f# f- g) C8 H4 k
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
2 ?2 @" q" W, O8 B7 d- G$ r4 G. F1 B$ M; C. O* X& m
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
n4 f( V8 M* j2 D' s. Gvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
( C$ f: D0 h7 l1 V) p{0 t7 N/ d: h1 o, @- f6 f9 X
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