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
7 Y( I4 f; F+ A' |, E拉下来？拉多少？' _; q7 V6 i' s9 i, W3 r9 s- J' t+ K
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 23:335 ]# b1 m" h6 {; F0 a) M! O. w! r
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; V+ F& ^% S3 f) I- ~
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB). t& u9 Y2 G5 F% |; D* G" o
{
! d; Q9 b$ g; R; Y8 n9 V0 K2 T 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
$ Q9 n$ W# i" K+ D6 z+ }, ?& a这个不是这么比的吧。。。' n# l) ~5 e+ Y( D

& k6 ?; I. y& \2 Q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
+ K! C7 Z' v6 ?" j1 G4 U; ]& P' ^% F有道理。5 N+ w7 m# T {5 x( R1 r+ ~
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
# a4 a) s( G- ^7 b$ C0 e7 r1 d, K这个不是这么比的吧。。。
+ [7 A$ C( J5 f3 [: k' v% W4 S5 m U/ k
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
: F3 [2 i5 K- n% q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 h3 w4 Z H$ 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 04:476 [& Y# e* l! `' `6 m5 _+ \
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
& B. S N9 ]$ b, `$ R8 m, ~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; s# J/ G8 N7 T7 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);7 Y0 S- o/ V5 t! |' S$ X5 g
      std::vector < float > vec2(N);* z1 p9 J& F! ?& g9 p" Y0 z
      float* b1 = new float[N];
# I) K3 s/ e( W9 [/ Q1 `       float* b2 = new float[N];( Z7 O3 ^8 U9 O4 a1 v( `: P% z
9 g- A) U( z! \, @+ K
      for (int j = 0; j < 6000; j++), a1 ?! N' c. n& T/ e
      {
: d5 A  w6 n/ g' ~# f5 f             std::generate(vec1.begin(), vec1.end(), []() {6 L5 ~$ n% E" Z% n, g
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;" e$ l' Y4 P* N$ L3 c3 M
                     });& R: F% m8 j- d* ?  ~( s6 ?+ |

" m" g4 e: A' D  l             std::generate(vec2.begin(), vec2.end(), []() {
! ]+ ?0 B! B& k: Z, I7 @                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
1 ~# x( M1 F/ j/ k3 l  [                      });6 y' x0 ]9 C  W. k4 r$ v

$ [7 }' \+ n: e0 g. y. }             for (size_t jj = 0; jj < vec1.size(); jj++)9 W& y3 ^4 L# G
            {
# Y3 H- y+ |* T* X( \% I' S* |                      b1[jj] = vec1[jj];
' y* J: w3 }0 a1 i" f# ~% \, C             }: d! C! R( q+ I# F) M( Y( o1 i

$ j) Y( T, A( x8 g+ H             for (size_t jj = 0; jj < vec2.size(); jj++), h. \" ?8 v) W
            {" H/ B# a+ J( T! e. D4 ]* d
                     b2[jj] = vec2[jj];
( `( w8 x0 h0 Z  O: I             }
9 E3 O* Q. H2 d- P# A  L) z) Y6 |
$ O( ]' v5 r) }/ \! Y- K! q             //Method - 1  N=100000 247s  # ]# u# O% R6 ]: I1 J9 o
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);! m# T9 {. b" t& m  B1 M

. r: `; t: X& M! _. H$ p             //Method - 2  N=100000  237s
/ x3 o0 P7 b9 ^  q# D, S/ `; j             /*6 j  b% o8 w- u' v/ R
            for (int jj = 0; jj < N ; jj++)
" r# T6 u# F3 o0 p- t             {
- u7 P. T' K5 |& l8 \                      fresult += vec1[jj] * vec2[jj];
& ?/ t+ R% S: e" c6 ?6 B             }
0 q  V) l0 u. V# J* ]& r! u             */$ Y6 C' ?6 {( L6 D

" ]6 W4 @- _( ]% B0 D             //Method - 3  N=100000 204s
9 B3 s; }2 N# A             /*( |$ e+ R7 h3 m) g% y
            for (int jj = 0; jj < N; jj++)
, p5 |% }3 _/ h3 E* r# ^             {# g; A+ p# p( u. C" Z" f
                     fresult += b1[jj] * b2[jj];) q6 I0 ?" e% D/ D: B0 s# C4 I
            }
. r, j0 o3 Y/ S3 B: `' H             */$ q3 u/ p* B5 q7 C0 w

* S$ x) j. U# ~9 v- b             //Method - 4 202s
4 r" [7 p3 @! L0 }7 |             /*3 z5 F! n. s& b! A7 j5 }0 M
            for (int jj = 0; jj < N; jj++)
! e+ |' }: K  Z             {7 ~" R! M. v$ g% K2 U! i5 {
                     2 O8 S* V5 v) K1 ~% N( [: s( c
            }1 S. y$ Q, R- R% ^/ S5 H
            */
! i9 b/ F% Y" g4 u2 \) d& g             //comment out all methods, N=100000  202s             $ d) U8 ^/ O* K0 m9 f- P2 h% Q
      }. f! v( z& p2 ]

* P! S/ ~) x/ q- V       delete []b1;" A* i& l9 U. q% X5 i; d, X4 W
      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
: } `+ X. P; 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？% \. ]2 D& j8 Q/ s

; g& _- Q4 ~- x3 l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/ q5 d+ b: `; b& N/ i
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+ l0 ^3 S \7 T. N- ? H

" k+ \! T; j$ _5 Q! u9 D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; t' y5 E. D9 I
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)* x2 Q1 `, n# h2 U- T
{
* x) @8 c) o: P; `- k6 i 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