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' ?' t- w" @5 q1 x% u+ Q
拉下来？拉多少？
: F7 q. Y+ p4 Z! R% ^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
! q' m U! _2 M, z' j* Y% bMaybe 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+ k" w( g. }$ C4 M
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)% @$ x! I2 R, l1 C; y' {' b4 u; B
{1 Z2 |1 a" ? Y& _8 f0 ~
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
0 E( n9 h7 }9 D: M: F+ @/ b' Z这个不是这么比的吧。。。
( d2 I1 V7 y6 z% e6 I K1 w) Y" U& t7 X1 I
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 00:460 O, p2 ~0 `2 K# I
有道理。
2 J: p9 P6 `0 J) _8 ~( F v, K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 00:200 c3 o  y/ C/ W
这个不是这么比的吧。。。  U$ }% }1 V3 z- O4 W! P

6 v# W  {1 H7 R/ Q4 o; 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 01:488 C: I7 u! N: V' x8 a$ h5 o
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# b4 h5 l& G# P& T" u
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: ~/ L k2 i" e [) d* p9 `
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: u! C- D2 B) Y5 K9 F; \
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
4 b1 ^" G+ t1 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);, ~6 W6 Q4 L: C) f+ o0 t4 h
      std::vector < float > vec2(N);
5 f* t4 w7 n. t9 S3 k) Y3 T       float* b1 = new float[N];
) |' }' `2 [7 K7 ~' w& y5 k, N       float* b2 = new float[N];
: j8 [* b' s3 e  s. S2 q# ]' O: c* G$ B! x
      for (int j = 0; j < 6000; j++)
* `$ Y( B3 g5 _+ ]+ ?& }6 e       {
7 J- W9 Y! Q/ _. V  ?: q, h             std::generate(vec1.begin(), vec1.end(), []() {$ I! \1 p4 o( \# i1 C
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;6 O: M8 O  d* N! Y9 s* u
                     });
. M" r, r9 {: Z% u& _, F
& l" E. O# @! ~7 q, i8 _             std::generate(vec2.begin(), vec2.end(), []() {
1 k! y& }9 K$ E( g. D% w, a                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;# F, u! @" T. v7 T* O+ ]
                     });
3 z  W0 R+ f/ V. O, K' c3 @
. g/ u& ?0 ]( R. l6 V             for (size_t jj = 0; jj < vec1.size(); jj++)
$ d$ H- C- K2 g             {2 V8 ?3 @+ _% X$ V  H  `/ G
                     b1[jj] = vec1[jj];& }; b3 ]& K) X4 Q
            }
! R/ T& t  O, s8 f3 p
$ r0 X' ?& g% Q. Y             for (size_t jj = 0; jj < vec2.size(); jj++)2 T& U8 W, w) ?1 b; t# E5 r, l
            {9 v2 e1 }# |7 u$ q1 ~5 D5 h* d# x
                     b2[jj] = vec2[jj];1 i  J, I% V8 _3 H7 e
            }
( p( w4 Y9 ^. W' ~5 ~" }5 V
8 c& h6 ^1 u) G7 z* {$ x# i             //Method - 1  N=100000 247s
+ b- l- O% f+ q% }             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);* C) c+ j* w- V9 u
                              3 ~7 }, U7 }& }% w4 \
            //Method - 2  N=100000  237s5 x, M8 l( F6 n* P2 j" n' v
            /*
3 T4 t7 f% ~' O9 n6 e7 s* x6 g+ o             for (int jj = 0; jj < N ; jj++)
) R6 E* n9 w3 o& s) A& z             {
7 M) L! @) X4 C+ N" O- w! ]9 j                      fresult += vec1[jj] * vec2[jj];
9 K8 @' V( _8 T7 d2 I1 a             }
            */2 k: F/ ^; F- w6 F$ J3 \
                              # K9 U5 Y+ M- u* `
            //Method - 3  N=100000 204s
3 r: X# p% q9 k0 z# _             /*% I7 j9 A; V; b1 `3 ]
            for (int jj = 0; jj < N; jj++)
( R3 h4 D( [. t' V             {
% u3 C2 q/ ]! i. t0 w* Q7 z                      fresult += b1[jj] * b2[jj];  t# o9 t* ?: l8 ]$ G& o
            }6 `- O* C. i' k
            */
& s! E2 j9 ]5 J& m9 T' D) \
$ ]. b6 W( C3 ?             //Method - 4 202s" J, J' f3 V6 _9 S
            /*' n4 d: M) v2 M# Q" Z2 \+ @
            for (int jj = 0; jj < N; jj++)
: r5 W. m* O" f# u/ s; d3 j8 F             {. ^! Z: a) j1 T7 S

0 y" z& b* X: f             }3 {3 I3 P! _! S
            */) g; \+ A$ X3 {1 g3 A8 G# F
            //comment out all methods, N=100000  202s             ' g; e9 }7 q0 Q) N% h* V2 |
      }
  i1 q3 P6 h. k! \4 Z8 \1 J! g4 c8 C5 ^, V9 N4 D+ F3 l
      delete []b1;9 N) R: n+ `( u9 E
      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 00:151 n# J- }3 O& Z. s2 r
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？
$ e' h4 Q1 m7 b- G6 _' I) Z* ~8 o, h/ t- C# v* N$ v% S; }. ~9 c
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
! w2 l' d9 K2 Z& ~8 w( r% F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/ |6 x* M5 s0 M$ Q8 Q6 y

- d& `. h: |' _0 h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
* o/ f; P6 A9 j% o" Evoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)8 G7 S% H9 x$ U2 `# F: A/ a
{6 |7 W& A0 Z4 [# W2 ~
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