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
) {: j0 e, W q0 A! @4 G拉下来？拉多少？( A: d( q5 l* `4 h( ~0 h/ 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 23:33
5 ]7 }' a+ d( E( K) kMaybe 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
, k5 L* c9 }7 Z g, ]3 qvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)3 }4 f! n% w& |
{: n3 D; i9 p* X8 C( @7 o* L6 ]
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
: _+ P& I$ \: H: q) z4 |6 c这个不是这么比的吧。。。
* j! `" ^' g% u5 O7 R# y+ G2 V+ ~: u/ W4 j, o1 @6 L, b+ O5 e
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
( d# Q+ {. [7 ^' F& S, m3 ~5 p有道理。
1 ~3 u- J3 h0 |: n6 X, g1 W- S; G& f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
/ O$ m0 _. B& P这个不是这么比的吧。。。6 Y+ g$ ]2 } Q0 L! @* q9 K1 U; U

* d( m) |; x( ]5 U. k3 e- l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& \' S7 S1 ]% 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 01:27
* r- O" s& D5 c. u" s( R" N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 04:478 ^9 ?4 q4 K5 l* M6 a. 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
+ x% B) S" z) A! Y1 A; 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& W& s" `$ W# z& E9 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);$ C! E0 m; Y3 @! y; M0 F
      std::vector < float > vec2(N);
# g. A! {: [2 n0 X. |8 [8 q       float* b1 = new float[N];
, u  M( `1 j0 r7 B       float* b2 = new float[N];* Z# J  t3 A& y% x# h0 ]

' |( c; |& w# Q3 t* `       for (int j = 0; j < 6000; j++)5 G+ i& n5 V7 T. V* r2 O
      {# U% R7 H# @; v& u6 E7 I" T
            std::generate(vec1.begin(), vec1.end(), []() {
0 ~$ J5 U  M! F+ B! k: G# o                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;/ o4 g  |' M: f/ N/ u: u
                     });. {. z0 [, j6 }  E& P0 w6 b

: g  p" p& B" I5 d) p             std::generate(vec2.begin(), vec2.end(), []() {
2 J& x. q; A3 C1 ?* ?( s- \3 `                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
" @0 U5 r! t$ P8 |2 N                      });
, p: ?! y; g  h4 f6 u! p+ B' M( i
" V6 N' j& m+ |: l# K5 t% m0 o             for (size_t jj = 0; jj < vec1.size(); jj++)
" z1 F$ S% g3 b" t2 E             {
9 k$ q% G* Z' D3 y. U8 d                      b1[jj] = vec1[jj];- \7 S3 Q! S1 U, Q6 v6 Q
            }  s2 r' l" T! q) T0 A
8 B( C2 k/ _2 a" |( v: W
            for (size_t jj = 0; jj < vec2.size(); jj++)" d7 w8 L# D" T. y- W
            {+ D5 z! r, H# |
                     b2[jj] = vec2[jj];  `7 v0 Y& _1 P* I: C0 z7 R
            }) Y7 @) G9 P6 U( R1 C0 j/ N

. V9 T# P& n' y             //Method - 1  N=100000 247s  / I  k3 p/ F, N3 w# H; K4 n" R
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);) {- c! R3 {- p$ F+ k' Q9 f* T* W7 |" F

2 D- k8 l0 B0 w# i! P( d4 d  r             //Method - 2  N=100000  237s
+ G& D0 s4 R8 r2 t* P! V             /*
- Y0 a" X5 T  u! m  g9 T* Z             for (int jj = 0; jj < N ; jj++)) I$ s0 H: J# V. P( {8 X
            {6 ?! M4 p& `7 f5 i7 ]% F
                     fresult += vec1[jj] * vec2[jj];
" c$ u- l7 k; e2 X             }/ J( @4 t# L$ V. r6 h4 G3 P
            */& k* _8 b# }3 ~5 [

" z3 m' d6 H% p             //Method - 3  N=100000 204s3 J  w" b4 F$ |- i- F  V; N
            /*
9 j5 c! U$ g/ }; s( k0 e/ e             for (int jj = 0; jj < N; jj++), d% t0 @# P0 A) m7 K2 J8 e
            {1 H/ l" C2 C0 d% e5 k" y3 E
                     fresult += b1[jj] * b2[jj];
5 W5 I: T6 u6 \8 y" o             }
& U, h/ ~. Y# }2 H             */( O/ F" s" K4 m# u: P
9 E+ G0 g) o$ h& V1 T, k6 v
            //Method - 4 202s
5 `1 T" b- K0 m& \             /*& j- u+ T( v( J
            for (int jj = 0; jj < N; jj++)
0 f' J/ `2 [/ I$ |( @9 a             {
4 P- Y: g5 n; W( }5 H, M' M' |
4 L! Y' g+ g+ Q% N1 I             }
5 K$ h0 [/ B" ^( h* }2 i             */
$ \4 \5 a/ Y2 u- S4 R/ W2 A# j             //comment out all methods, N=100000  202s
- [1 Y3 \6 n# p* h       }9 f' Z% b# _' w& q  S9 b5 Z+ u

8 r9 y, Z( O) ]       delete []b1;- _) z0 J6 o, }
      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
& O6 \7 p. ~" N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？
; P: n3 S7 o: _9 D: w8 E
! \4 D. J _3 w4 r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
) O/ f3 R) K ?6 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
9 h9 C$ E4 }2 t+ \4 Q7 M0 O$ } t) v" m7 z+ M4 C# j3 h2 _
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- ?: p7 l# l; n$ v( o v
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
/ \' k9 T) J! b0 |2 M* X{
$ p5 H5 f% M# D1 V8 c& E 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