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
. K& m1 f/ i' g1 o3 m# Y$ q% n拉下来？拉多少？) k9 H. T& V! q |8 M
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
8 z4 K, l3 B/ b% J* OMaybe 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
7 F! o0 D9 ?5 D+ ^" U0 l1 @8 jvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
/ a; e5 F, b; o2 o, E) y{
- m5 z4 D, u$ r4 L" | P 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 00:208 u" H3 v+ j6 g) y0 ]9 o+ I6 P
这个不是这么比的吧。。。5 n7 W; ~/ q- A

/ n/ i4 a7 Z* z3 X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
! ]7 e0 j0 b# [/ P有道理。3 p! {# }7 M3 G7 Y" B
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 00:204 V6 _0 }2 P2 q7 E3 E0 }
这个不是这么比的吧。。。
/ N& `' I* V7 B5 i( r' L9 m3 s8 u7 I0 Y4 h
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
# ?* @0 W5 N6 c% G; ~) 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 01:278 Q! ~" A. t* n; |( O' Z
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 04:474 s! J. {( p; l0 G8 t: 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 ...

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' ]; | ?! a. t, 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
& A5 Y6 {+ s' j, u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);
- h6 x9 g- _- R8 H       std::vector < float > vec2(N);
) a' w, P* A! V       float* b1 = new float[N];7 _" A/ [3 d2 b* q) u6 q
      float* b2 = new float[N];
" M0 C' G1 V& E' \% K8 E% d6 d. j; A* @. L: _* n1 h
      for (int j = 0; j < 6000; j++)( |7 `: X; ?- L% \$ m5 x
      {/ @3 X5 c) o" u' o- y3 E6 l
            std::generate(vec1.begin(), vec1.end(), []() {
* R7 g' h6 f* F; T, E: q6 q3 @0 @                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;9 [, k8 E3 Z9 n2 m' {3 \* H
                     });
" ^9 k1 _# ~' c! E) A1 {! `4 [8 f, b5 D5 h* M* d
            std::generate(vec2.begin(), vec2.end(), []() {
3 ?% `0 r1 o! a; A& }2 ^: `                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
+ @) o7 _' [# |  o                      });0 V" a* P) ~* o

  B" Q( [; U( u& m7 A             for (size_t jj = 0; jj < vec1.size(); jj++)% X/ E9 [& N6 N( ]; G1 w( r6 D
            {
! k! m4 G5 u$ k2 g$ `                      b1[jj] = vec1[jj];1 V  A1 x) k9 c1 K0 O! O
            }
2 D1 v+ v9 I1 {6 H
, B3 _: F# r4 ], A6 w             for (size_t jj = 0; jj < vec2.size(); jj++)1 {/ ?6 l: ~# O% d7 W5 @4 u# u4 ?
            {
% D- r, @: B. B                      b2[jj] = vec2[jj];# O/ p" Y3 E+ U) j: Z
            }3 v5 Q3 P' D7 W7 ?. E7 F

; r' L4 h% D3 l9 F! {             //Method - 1  N=100000 247s  , l: p$ p6 Z" Z  p9 q  {
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
% U% }& a# ^0 \: l& d' u2 }
- t( g6 B' l: J/ J$ l$ F0 Z             //Method - 2  N=100000  237s) w9 c9 S9 G8 S: q5 S" o
            /*
) w+ o6 n, ~9 \( z. K2 B             for (int jj = 0; jj < N ; jj++)2 J* ^, p" `( R/ b6 u! S
            {  M$ s2 ~9 `& B) [) ]# s# r
                     fresult += vec1[jj] * vec2[jj];; S5 u! A9 c) k  @# d5 g" B
            }
/ c# \; w2 w+ |8 }$ v             */
  G  {& r" {& L6 ?
' [) J+ M8 H( X7 \. z, R! m" X             //Method - 3  N=100000 204s
/ D" C! X& G! g7 B' d) d8 ?8 ]             /*
1 ?, ?2 n* e; F# z' E             for (int jj = 0; jj < N; jj++)
5 B' Y; O7 ^& A0 V8 b, S( {0 W, k             {
: ?' e3 x; E$ v2 d! Y( h, k. a                      fresult += b1[jj] * b2[jj];" o' U5 L1 B5 C; h& E, s+ i
            }* M: w5 Z& T) U) M
            */% |/ [4 @2 ^3 m
  [( ~9 o3 ?  A/ v1 ?. O2 C
            //Method - 4 202s
( K( p$ ^# _; U# X4 f. N             /*1 v( S# `4 s6 q9 t) |* x- X
            for (int jj = 0; jj < N; jj++)
1 z7 F# |! {0 W8 C$ ~, L+ H             {
) L/ Z* v3 |" d( F. ]6 z- Y2 p9 {0 }                      2 t/ _# A  `( s" B
            }6 h) H- g, E5 o: ^
            */
8 t& h! e9 u% C" J0 R1 _& D2 ]+ I             //comment out all methods, N=100000  202s
) D0 d9 Y/ X5 G' E6 l       }+ c( C) E8 H/ Q5 C+ U
. T" f0 n' d! i7 }- ~+ P& E4 E, F' J
      delete []b1;: r2 n, v  H8 d) ?! v1 k* D
      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
5 W4 f, x3 F4 k$ J; u$ o: `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？4 |( K8 c: Q5 G

+ [9 [2 i$ w0 O* g5 R' a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 01:166 f! W6 Q5 M% f4 k# C! M% \: x2 {
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
' c% N+ O o+ [8 W4 i4 N8 [& ~: y0 U8 \ S' {0 J
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
8 B# @% K- }" V4 @+ evoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)/ [* |7 h: ?. a4 i8 g
{
7 {; S' v6 q+ \: p 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