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
) C# }; _$ J" w. ]拉下来？拉多少？
0 C0 x) z- `$ f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 23:338 a6 W3 ]3 _/ c2 ^8 x
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
1 Q8 }8 }( @/ F6 K I. S X0 m: Uvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
8 C. |8 r( p" w$ [( X% b/ [/ Z{" L/ N% I0 c4 [, J
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
' z l% f! W9 Z这个不是这么比的吧。。。. ^; Z, n8 W9 `
F8 Q8 J' E' j* S4 Y" }
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
0 m6 Q5 E# y( X, U1 R有道理。
- u9 q5 u: b) R, I+ G F9 ~3 m) q+ N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 00:207 E8 H: c: L# ~+ m2 C( ]6 [: C
这个不是这么比的吧。。。5 {2 R- |* i0 Z( o* Z3 b9 K
% t W. k9 Y3 ~8 {
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- X% L2 i: Y1 y2 u7 g2 b# u
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
( ?, L1 p8 m$ R* i7 `3 ~% 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 04:47: b+ P* @3 V( A8 F; z: }7 g
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
: d& F% E0 g c$ V1 K- ?# E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 14:584 h6 u* K% u7 A0 ^5 Y% g7 b. S( y
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 e1 J% q) c  k& w& d. _       std::vector < float > vec2(N);0 a. K- w7 d. K0 U+ }0 j
      float* b1 = new float[N];
5 @# C% c+ E  ~  N8 L) |# P       float* b2 = new float[N];; ?0 o1 w) @, D3 B8 p2 Z4 \; T2 G
& l: H( o( o5 \' `, w9 z5 Q% R% p
      for (int j = 0; j < 6000; j++), ?$ f" ]6 d1 o9 Q& J7 d
      {
' S9 ]8 Z! {; z$ t* [6 p             std::generate(vec1.begin(), vec1.end(), []() {
0 g2 D7 L9 L8 b                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;/ H9 Z6 R% g1 b0 U5 }9 T
                     });6 K( l& x0 l* S2 g5 W

) s; K$ |) ]! u# W3 T5 F( t             std::generate(vec2.begin(), vec2.end(), []() {
( {1 {- `& q  A9 F                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;" V& E! @" Y0 s' v
                     });
+ e1 ?5 m) j5 L2 V8 ?9 V' p/ D1 d. }6 r6 g: x. q
            for (size_t jj = 0; jj < vec1.size(); jj++)
- M; T# e. j' J/ Q% f- ]! |             {
; F$ }/ [) ~  Y1 q9 T* ?% H                      b1[jj] = vec1[jj];1 q5 }$ y3 O1 ~
            }
- v0 |3 k5 D: T, k% F% D0 S! i) T" \( C2 ~# \7 |( M" `
            for (size_t jj = 0; jj < vec2.size(); jj++)
; P9 ]* r: x* G, k; I             {
% Y/ u: E1 ~1 x4 |+ Y2 v  ^' m                      b2[jj] = vec2[jj];
' o) V( O' x/ M1 }* c* X- L             }
7 o& |9 {+ v+ @' D
9 E4 W: s' Q2 D  F: {$ [             //Method - 1  N=100000 247s  4 \  _$ ]* z: m. u* o. f
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);+ c0 `, n; _+ |0 P& I9 R! w8 G
                              2 i! [) w* z& N" V/ g  ~' S$ @
            //Method - 2  N=100000  237s
9 }6 V2 ~# i. p9 `/ J             /*) p7 R: i8 C0 r& @( o9 B
            for (int jj = 0; jj < N ; jj++)
4 E, ]# g, }9 S3 E" d8 J% i) Q             {
6 m2 E5 H0 P: l: D                      fresult += vec1[jj] * vec2[jj];
; |) Q9 Q3 U6 J# ?- V             }) V0 H" @  ]7 A: _
            */
. _" [0 c9 w3 g                               ; o; x2 r. t$ O- _
            //Method - 3  N=100000 204s% ~! F; d: L# G) x; y0 o: V7 f
            /*% q& }# z  B' ~0 g5 B
            for (int jj = 0; jj < N; jj++)5 K$ ?) x7 i! f  [& R: r
            {
* j7 F% |6 |% F; u$ {2 O! b: D                      fresult += b1[jj] * b2[jj];
8 |5 p. I# _' M: g             }8 a3 P: x/ m$ G. n4 Y  T
            */1 x8 v) C& S8 J4 P/ R9 k
( H: v1 ^2 b8 a/ m+ \7 n
            //Method - 4 202s
" p7 [4 j2 p, ?0 J/ N             /*
: l: e* V: Q+ |% r8 r             for (int jj = 0; jj < N; jj++)
; H1 k: K+ i% O2 r' W! Z6 C, N             {
8 r9 r! o$ ~! g+ P3 l$ k6 ?  z9 n
) m1 d5 H5 ~( P: |! C' c" W             }3 H! C/ ^. P9 x4 Z9 U/ o* ], Z2 \
            */
9 R0 b8 [, U7 O  q4 P  K' c7 `             //comment out all methods, N=100000  202s             6 u& c0 l/ |$ ~, y
      }8 Q$ R7 x- g) P; Y8 v9 {$ A1 k

, i: x- N" s, o" G9 d. {       delete []b1;
2 `. q& ~4 ?% Y  B       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" V" k3 L) t8 h' \9 l, d9 V
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？3 o* v6 ]6 o9 R; n3 Z
/ O: N f" `$ m1 r4 @ {" v( D
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
5 l9 s. D' ~2 k) |) x9 y6 _0 g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
8 u+ V' E0 w/ T# J/ }* p, A! S
7 F# k( n- U6 o @: X, v$ U* P# l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 Y- J2 zvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
0 |5 K7 h6 [7 c: Y& X3 W# n{
; h2 E7 a, _8 G1 x' m9 ?/ y, L u) T 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