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
; z% ~; s! x& Y$ T拉下来？拉多少？/ e3 Y* s1 V/ Z B$ V! A9 v
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, U+ i( [6 S; n
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
% z! k8 S y' M) w% b5 |( Xvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
& U# l( [ C: u" t" B" \{) E* j! l, |' Z- p; q; [
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
; g2 L: q' j1 z0 N; F" D这个不是这么比的吧。。。
" _+ r5 s: A0 U- J% L
2 f7 u; W, E2 ^- P) ]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
( T# M* K* i$ e6 q) b+ @) E6 F有道理。
' }( v& P2 X3 `! [$ O7 N* D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$ k; L$ b& [# ?4 ]/ L3 ^
这个不是这么比的吧。。。
; ]' I1 d% o, O# N" C1 \* @) r2 c* u* |) ~) J% N) 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）。

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
! R" e( B* } G5 ^, H0 _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
. ]( D9 r8 k: ~! a* h3 K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 04:473 b+ R8 O3 t+ Q, @, n1 b5 {
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( }* o2 }, q9 V. O* ?! x5 F" p
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( b) Z) ?8 l7 ]) c$ v, D, Q: m
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);* H8 I0 l  W: ~' m# q! M
      std::vector < float > vec2(N);
2 t6 H! i; P  C, r       float* b1 = new float[N];$ k" ~# c, O: L/ F/ w2 i
      float* b2 = new float[N];
; \, w$ i% ~4 L& N) t$ h9 w. w8 E: W
      for (int j = 0; j < 6000; j++)
; j2 [/ z7 D/ v6 F' P       {- \/ m* B$ f' Y% X; a( i7 S( {
            std::generate(vec1.begin(), vec1.end(), []() {! _' P  r  U* O4 d) N3 U
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
, D2 p1 J6 }- K9 J& i& C! r                      });
( I- i; ^- z: N
: N# c' ^* D+ i8 P3 i& I$ {             std::generate(vec2.begin(), vec2.end(), []() {
  y+ B6 t: r/ F# S: W2 w# M                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;9 @. ^* q, J0 }! `# e
                     });: v6 V" }: H+ [! Z3 h

- ]( e' p4 c/ S             for (size_t jj = 0; jj < vec1.size(); jj++)
/ F' A* f, ^5 [3 k% x             {
2 v/ O# t0 \; o* v% {- V3 C: L$ s                      b1[jj] = vec1[jj];
+ ?' i7 i8 x7 h             }  X9 e& h! z4 _+ m$ I: i
4 F2 o  J! z$ ?# \
            for (size_t jj = 0; jj < vec2.size(); jj++)4 j+ L/ R0 }8 ]0 n# c
            {
4 X) I/ g0 ^4 p  F7 z' u! G                      b2[jj] = vec2[jj];
( [) M1 [/ R7 X: h: i+ i4 i2 ]2 ^0 r9 Y             }+ b: P1 Q  j7 ]3 ~6 {
8 N; ?  g7 g* J/ S) e# O- b
            //Method - 1  N=100000 247s
: J- @/ K5 @" e& |7 m0 N2 l             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);$ u# G) E$ p$ ?3 l' ]  ?/ `1 I5 I

/ l; s1 D( v+ v; Y. v* ~             //Method - 2  N=100000  237s( c& _* r$ E% a7 p
            /*
' ]! E1 X* {3 |! y/ P             for (int jj = 0; jj < N ; jj++)
3 E, B! ], x0 s; s( L& ^- `             {
) p3 t9 q/ n8 b) L0 I. e* }( [                      fresult += vec1[jj] * vec2[jj];
. M7 y' g" v* f# H8 G9 {/ E             }
& D* H! E% K0 u* x- |             */
8 _; o! a" ~/ x) H
: Z' a; {0 `6 _1 m9 S" l             //Method - 3  N=100000 204s
  l/ O- s; T# |% F             /*
1 I3 X: e# S$ c$ k5 o. K& {7 H2 X             for (int jj = 0; jj < N; jj++)- V% `0 R5 B+ S. N$ ^: F5 |$ M" O
            {
/ F7 G1 r  w( \6 ~/ S5 r6 [                      fresult += b1[jj] * b2[jj];
! p5 o" @" |* X; b             }" y7 w% x# G1 E- W1 J( O* {
            */
" y" @: F& F4 d# _+ v' Y7 u1 C: l
            //Method - 4 202s
& Z! r, \* w3 [) I             /*; b0 |; L& R1 m! T$ {
            for (int jj = 0; jj < N; jj++)
4 p! B' Z! A( E9 K& n             {) @1 L; ]8 z+ n; c7 Z
                     : f* j# U+ u0 }, n5 [1 q' x8 l  g# i
            }
, {7 X3 e0 z# ?7 Q( _& H             */! c, u& g2 u# W2 D6 i
            //comment out all methods, N=100000  202s             1 S3 O; ^4 w# [  V# L
      }
% z1 I; I3 o) c$ b- q  r. r9 r" a3 u' `4 n
      delete []b1;9 f) N3 T' G) R$ J( 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- f6 F- K; b& W7 u
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？
: Z1 a2 l; j4 |8 J& F+ q
0 E k' u( Z! ?4 d9 E4 `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/ E, ^) @, G1 R; L
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
# E: h+ j8 c% V, N' Z% e( `$ Q3 C* b! ~! ?: H. Q7 u; d, S. z: I
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
. w/ |# C* E+ G% \5 A) Ivoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)0 b; u/ L0 I5 l3 o" N
{; C& E" l, ^* q6 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