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
2 X* ^1 g# C, P& U! G拉下来？拉多少？' B I+ Z* w; M9 w
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
9 D q% ^! A: d7 H% o# k2 Q/ fMaybe 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 23:543 n3 G5 y; S4 p6 J- t
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
' a( c) {- K) F! j) Q5 B{
5 e c! V: U; g/ 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 00:203 h0 V4 H. X# Q+ S2 {$ S
这个不是这么比的吧。。。
5 b$ M3 o/ |7 C! M; [( E: C) D+ F$ k2 o/ [
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 X/ |% I0 h7 ~
有道理。5 }: u" A4 ]& g& {6 J T
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% x; F4 ~+ L; D8 m, c- H; X( {2 p
这个不是这么比的吧。。。& r6 R2 q: E7 R m+ c" u

* S3 I! r$ V+ z! X. N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 01:489 n9 B" ]2 N+ d
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 01:277 F8 }# O# E t: b$ T2 o6 |1 ~( c
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# I' C( ~$ D) U) T' b2 Z% K8 J
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
; z. M+ p# J7 @1 h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
1 E; c* z8 M$ E. q: [/ ^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);8 h0 @! Q( H$ \8 Q5 F" G" I
      std::vector < float > vec2(N);/ P: D7 k: N3 L4 Z9 a' K
      float* b1 = new float[N];
0 C0 _' r* \+ \: X/ O- K       float* b2 = new float[N];2 Q/ s- M3 H  `  v6 u( i
6 p9 Z8 q6 |$ i# q/ O! j
      for (int j = 0; j < 6000; j++)
7 x! p$ D) q+ A8 l9 r& }2 l       {7 {% m7 g& C" H
            std::generate(vec1.begin(), vec1.end(), []() {
& z( A: Z6 i/ D! q                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;7 v: p3 S4 y9 M
                     });
) d$ x! d* ^7 X. C( ]3 @+ s; P6 A) {1 v9 t, X+ w3 f1 u0 y: A
            std::generate(vec2.begin(), vec2.end(), []() {, T2 q8 A% e$ F! [
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;! R4 i- |$ D2 l: o; e. v7 E" D% R3 e
                     });
; C* k$ D7 Y0 D2 c* M) L/ _8 H- m7 u) ?
            for (size_t jj = 0; jj < vec1.size(); jj++); j4 ^# i; S! N
            {
7 P6 `$ z7 ]" y                      b1[jj] = vec1[jj];
' j) [! O) d' c( _7 {- ^             }  P2 S. N+ e. G
4 Q% f! j+ O5 T8 y
            for (size_t jj = 0; jj < vec2.size(); jj++)
* c8 h% p+ v1 c& `             {
2 ?. N; B7 C" P                      b2[jj] = vec2[jj];( L/ ?# }  m" }. t. v+ X, A
            }$ V1 I  M3 X: P6 K2 V2 S0 Z
: U: H$ a8 [2 {9 s5 ]" F
            //Method - 1  N=100000 247s
7 [' [. S; @1 O1 |( E1 Z) D6 M             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);4 k2 Y7 y7 b6 M' e" A! _: D

" z# V& {" s. e) r" N: v+ [* R( q             //Method - 2  N=100000  237s
5 s! n% G7 V2 G. R             /*
2 ^+ f. t$ Y3 z: J' s6 |7 j; j             for (int jj = 0; jj < N ; jj++)+ f6 ^* g+ o8 n' u, a
            {
, P, Y" v/ |4 S* m- S* q' |3 ]                      fresult += vec1[jj] * vec2[jj];
& Z& W2 ]# S5 d' q7 y             }
. G2 |  z! C0 S: f" `# T5 s             */
2 b$ f) S3 _) G/ D7 X                               0 `7 x$ @( D: Z5 R/ e
            //Method - 3  N=100000 204s: U( B- C- \6 [* {' N3 v  I" m
            /*6 l* V& V' ~: }
            for (int jj = 0; jj < N; jj++)
$ H( P: e+ s2 I( s9 Q5 f             {  k+ Z- z8 b% I! p" I, @
                     fresult += b1[jj] * b2[jj];# }2 q' u2 ]' V5 c" v9 D! `9 L
            }# P+ E" V" B( i0 K% ?
            */8 j: A5 @0 {/ T  F4 {6 F( w

0 k) j6 q2 R  v) n             //Method - 4 202s/ J$ A. [% [# K
            /*: w" f. e& i" C! r2 P2 T
            for (int jj = 0; jj < N; jj++)+ s; \: @- \: }# E2 M( j- H. D
            {
  G  l  J( L  S# ^9 V' a
) c6 n) T8 q( \( q             }: q& l6 A2 i' X! k  b
            */- x) w3 m$ A. x4 ]* T
            //comment out all methods, N=100000  202s
9 g; [- Z( P# {* y       }! I8 j& C. U; j) E- v& y

+ {" Q1 b3 R" J/ t$ N* d$ S       delete []b1;
8 ^: m& i" z. }       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
/ |+ m, O& }# F5 Q* V( e8 m# m3 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？
+ S. h; f, t3 \# X. o
: G8 M0 i/ X! L" \- x% ~; X1 y" Z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 01:161 V' h" [/ |0 l4 \- f; i5 q3 n
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、LOL6 q3 d/ \9 [* ~) I4 f s* [9 R( f+ f# x

) G5 F6 r% @- c. g4 ]9 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
& f: N H7 r( u% x5 Vvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB). Y& |3 V0 _- f- I* ?$ L
{
$ z( N: i* H4 q7 [3 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