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& M2 Z# E0 ^! `* m
拉下来？拉多少？
, q) O" ?* K; C' ?# 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 23:334 H6 L9 V, w: e9 B4 k# H+ a
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 23:549 m0 c: O6 \* R9 F2 b) P' H% p
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)# i& C$ }0 q* @$ f7 f' F9 a9 O
{# q3 o2 K' t. F( H8 ]- G" l: p$ _6 L- i; c
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
4 m# U5 Z& H- \0 G6 U* c这个不是这么比的吧。。。
4 J' x: _: [* ]# P! y7 b ~3 A3 m. s/ i& `* P8 y" ^8 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 00:46 z& K4 a. [* h! [
有道理。
% Q7 `6 U* W' l4 q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
B" R: P+ O( m, c, @' p3 ^这个不是这么比的吧。。。
9 ~* n: q9 z4 j* Y
3 ^; s6 Q! Z" |! [% |2 Y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
) E$ u8 g% ?6 n; i4 S/ J* Q* A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
6 |$ ^$ u0 S C/ b0 p! c! 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
: {1 x+ \! A# C& c! z* s. G2 W* Y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
/ H0 \) U V$ k, \, J/ |" S# \% }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" V1 }- I5 `5 H! ^
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);
; F* }2 }- g5 F" `, R       std::vector < float > vec2(N);
: y2 y) ]- Q5 f       float* b1 = new float[N];& E0 B5 P% }4 W4 u$ Q. c7 N5 H; v
      float* b2 = new float[N];
  d2 l5 _% h6 G$ l  a
" u9 E4 Y# Q) K* q       for (int j = 0; j < 6000; j++)- H( \0 z  h% f* {+ c2 ]; f
      {- G9 a( A. e( m' {+ a( h+ J
            std::generate(vec1.begin(), vec1.end(), []() {7 r- E) |4 ~: Y' `. Q8 X5 ~" Q* C
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
1 P* y6 |; Y  p( i- }5 J& j                      });
  J& u' n9 q& M  v; H0 M! r+ M: k! e5 @% k# N( c
            std::generate(vec2.begin(), vec2.end(), []() {: {; F' y) }+ A% y
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;2 i  P3 g3 X; v' _/ @
                     });
6 S& M0 d2 a! }  c, m& l
) q& _( c$ w- [; I, \. O             for (size_t jj = 0; jj < vec1.size(); jj++)
$ g0 x  i% F" ?4 i             {; B- {- t5 e* a0 |$ _7 z2 `- x
                     b1[jj] = vec1[jj];
9 E) n. O3 L+ n3 m% g9 f0 v9 v             }! a9 M4 p. g' a! ~

5 W$ ]  N& x9 |             for (size_t jj = 0; jj < vec2.size(); jj++)- a& t7 F2 K/ u2 W8 u) A
            {
; A7 C- y* R) k                      b2[jj] = vec2[jj];
0 ]: Y8 a7 d  i             }
" Q3 v/ P4 B4 E- f1 m
            //Method - 1  N=100000 247s  9 j. M. X* x) R
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);2 ~1 H9 Q; r3 z3 y/ F5 a' {
                              ) q4 [! b) N+ i2 j; S* j
            //Method - 2  N=100000  237s0 F- c, u( @1 d4 K3 N
            /*+ W+ t2 ]9 b% I, }3 f- Q5 Q
            for (int jj = 0; jj < N ; jj++)
- @' C  V' v2 l3 p* m9 ^4 E             {( e# |' i/ W' ^  [4 @  |7 O; r
                     fresult += vec1[jj] * vec2[jj];
8 G' I, L! s8 L1 j; ~             }# h3 u2 `8 H( V1 \8 P
            */
, Y1 z) B/ V9 x; J' p! Y
- F3 l- S9 v- w, i; U             //Method - 3  N=100000 204s
+ y  ]) Z: i: H# K  h             /*
: L4 }; x- K/ u! y1 |             for (int jj = 0; jj < N; jj++)
% f! h# [. p  v% \$ ~             {% q6 s) K% y$ u5 W9 K
                     fresult += b1[jj] * b2[jj];
& D6 {/ r2 l" ]1 @             }9 D3 |4 p4 ^9 [/ I$ L* @' @
            *// @" G3 @" ~) A  L
4 {# b  q2 M- h  {( a
            //Method - 4 202s, t- D. e& ?' u
            /*9 X3 x! _5 U3 O( A/ G4 E# i% m
            for (int jj = 0; jj < N; jj++)
& O% j4 G4 H& Q+ }7 i             {
) V; h) ]( h" L+ i0 X# I! j
0 R1 M& z, H7 f, ?8 d  B% D$ j. h2 V             }
' ~( y0 R) ?6 z# B& z3 g             */7 t6 K% ~% v/ G8 T
            //comment out all methods, N=100000  202s
: d4 Q% i9 P! w" D8 U! Q       }
$ N1 \: G- u/ M3 d  z$ H" k2 U! ~3 ?0 T) c3 m8 i- L
      delete []b1;6 e4 I6 ?/ Q, C  T( z5 S
      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" K/ ]4 k1 F! O; E# q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？. v9 S: Y* d: j4 s1 f/ {
; `; E6 `9 r) G9 |: u
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: ?# d& R# F; k9 U9 z5 _! I' @
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、LOL5 Z9 b: Q: m, }( a# l
7 D5 M3 e. P$ W+ x0 \5 _1 [- X
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
4 R2 P6 h K8 tvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)4 Y, L; B. |. w6 h* J' l9 q
{) `' @9 m9 i; {3 E. A4 P+ }. y
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