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 23:044 j* f B7 B0 H8 I" D4 h$ l
拉下来？拉多少？# l) Y4 U# w0 u7 t) i- D7 q O. s V+ t
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$ |& Q3 p& L& \8 \
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
9 X8 y' U) L$ X0 W+ G. \* F9 lvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB). B, m8 Z) D4 H% d1 [0 ]. ?8 ^
{* N9 }9 N$ ]" V/ {! A
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
9 U6 Z. Q! M) v2 ?% ?, l% q" }' L这个不是这么比的吧。。。5 f" b m3 [4 z- v9 W U
& H0 }- n4 c; P& e- ?4 a7 F
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
6 r. z5 T, _4 V: |3 B: y3 A8 f有道理。
* _3 r6 C F( H3 d8 D; ^, {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$ Q( Y0 b' O+ I4 d! c# z
这个不是这么比的吧。。。# O& h' J1 y* q* @2 {6 \
% e; [$ I! s( X: h" j3 W( ^- F M
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: {. w7 i3 v# z& 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+ L, H. q1 {8 f5 a* z6 x
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
3 J U T# ^3 o$ ^5 }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
; {1 B4 M" A. |, V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
( ?8 S$ I$ ^6 B! M) C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);
2 k$ o2 U, K! |* w# f       std::vector < float > vec2(N);& Z% Z% H  @) o, h# ^3 L
      float* b1 = new float[N];3 O# x, P' d( v
      float* b2 = new float[N];  P; L4 V3 g) [* L
3 C9 U5 z8 a/ `' W0 n
      for (int j = 0; j < 6000; j++)
% H4 Z# Y" T  j, q( ?       {% v2 g( p( o/ o2 V( o
            std::generate(vec1.begin(), vec1.end(), []() {8 Q- g3 ^( a" @% f. r* L9 M: h
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
, t1 {: f# p9 b. n                      });
  h0 A& g# {4 H2 o/ I
& k) \' E0 S" R# f/ h4 W             std::generate(vec2.begin(), vec2.end(), []() {
: I9 E9 E) T0 t& S& Y, \                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;+ Y; \( |1 G/ h1 C3 \  y2 u
                     });1 ^; }$ R) g/ U6 N/ s' F
  K6 P  ]# {" ^+ ?' _
            for (size_t jj = 0; jj < vec1.size(); jj++)
# t5 i1 i( B2 {$ C! m9 ?             {+ q: @/ k  m- x$ S( V' |! m: Z
                     b1[jj] = vec1[jj];
$ S7 a8 l2 \* Y0 a& q. @             }/ I/ W" R8 u1 p4 ]/ \3 i& M0 {

0 j% K0 N, q! ?6 g7 u1 w7 a2 p2 X             for (size_t jj = 0; jj < vec2.size(); jj++)
' N7 e2 C% k+ Z* e) c# X             {) Z* H# s! g6 J: x* _$ I
                     b2[jj] = vec2[jj];
3 C; I# j0 h) c8 f             }+ ^9 Y% |1 F6 a. P
6 {8 B: Y  N6 ^* e
            //Method - 1  N=100000 247s  ! @4 z# L  j! m8 ^; F/ r
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);  F4 ~+ O& f, x0 ?

: s6 a2 p( u" T" {4 g             //Method - 2  N=100000  237s' n% a$ ]* O8 `! Q
            /*
( ]; W4 D5 m+ \7 m* s/ m             for (int jj = 0; jj < N ; jj++)
! G1 N3 N) o; c) f0 f3 X             {
8 C% t; a7 ^1 @- X, M                      fresult += vec1[jj] * vec2[jj];# t2 P$ Q* L/ J# ]' S, D
            }9 c: g, c( C9 ]' ?$ v2 L7 Z8 o3 E
            */
2 e& ?) r( r# N( j2 B6 v) o
3 x2 u1 o! x1 j4 L* Y6 L+ m             //Method - 3  N=100000 204s
! l# u2 c/ ]/ o4 S             /*% f  ?! E0 L! ?! k5 s$ k
            for (int jj = 0; jj < N; jj++): q9 f7 ~; O" `$ X: y) o
            {
- k$ [& m/ M" {3 a& h8 N5 `3 R                      fresult += b1[jj] * b2[jj];7 _; m! w, w8 O& q' [+ P8 q
            }
3 s6 p- c& V2 r  @' i             */
; i' h& h& i% Q& w! L8 A% @
3 a" {( y, g- m1 J* C+ d0 |% S             //Method - 4 202s
% E5 {  s. b) b! M* \- U             /*2 p  `+ q; p# r& E
            for (int jj = 0; jj < N; jj++)
1 X8 W0 p$ o; w) W) p, X- s0 {             {
5 T9 ]  m- Z/ o2 f) K" m* ?
            }
0 D- g+ g  f: p9 }7 Q             */
: i& Q- d9 U. x9 s# B4 ^, \             //comment out all methods, N=100000  202s             & Y0 }8 O' }4 ~" g
      }* D* m  ^' t7 c7 ~( b

! g! p- k) w( B9 n& R  ~0 Q9 n       delete []b1;4 [( K* `" u1 _; }) d. ]9 m; t
      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
+ j1 A) w( c6 a; S3 P+ f- p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! e) L4 W C3 t

* o/ {$ \/ l6 U! j- b8 K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
' ]6 {* }5 s4 J4 i: w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、LOL2 w1 Z+ I# I& }4 U
7 C/ s9 r/ r$ L
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: a( e# `# h3 ]! @/ o0 b2 ?! I
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB): i# j! k7 Z$ ~5 ? a) b
{$ O* G3 l4 j" I' j; v/ j4 E) T
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