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 23:043 e& r7 [% F2 Q D$ z. Y
拉下来？拉多少？; i' A# [8 M, A% t- g
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
) u4 s- r V, n/ Q8 D1 NMaybe 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; C3 ^# g0 j) s& e6 Ivoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
! z+ n6 v5 e+ z M{, q5 f: c3 T0 ~
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, a* E* R! S, ~0 F2 T
这个不是这么比的吧。。。" T, W a, O. {/ D y
/ Z, g: |* A' H, S# ^1 M, w
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 00:462 L, g4 R- w" q4 }, z% }' _
有道理。
& p/ m% O4 `4 O% y, D, l$ |5 I% ?. Y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
# u2 Y/ H2 [: E+ l# ?这个不是这么比的吧。。。
1 j8 k+ r4 i+ p9 Y/ j1 \7 S
8 P: m P9 D6 T& r* L0 y3 _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, ^$ U* Q; g. l5 e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
! M! n# U3 t G* ~/ D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! Z% {, a- D+ q, J2 x
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
8 z+ }/ y/ R9 W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
2 R4 ?8 f" n$ q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);
& G, N. i0 }' C2 ^1 f  ]       std::vector < float > vec2(N);9 s; c& T& k: U/ T/ B( N. [: E! Q+ c
      float* b1 = new float[N];- D8 e+ \6 @( f5 e) D, c8 o: a
      float* b2 = new float[N];0 N0 x$ y- U. S
9 z: H  ]  \- z
      for (int j = 0; j < 6000; j++)
/ H; J3 I- T: Y       {
, p. x( M* Z* I0 E             std::generate(vec1.begin(), vec1.end(), []() {
- u+ H+ `+ _' X                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;8 h! ]) u! G" x1 Y2 N
                     });/ b$ x2 L- r2 o% L
" K" X" `( J6 f5 y) b+ _
            std::generate(vec2.begin(), vec2.end(), []() {
) ~; \2 p* H* U/ Q                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;# Q( ?4 O) }/ H2 Z
                     });
: l2 K4 t' F8 ^9 j3 S
1 u4 Z1 Q+ u" H% Z             for (size_t jj = 0; jj < vec1.size(); jj++)6 F0 o' X/ v3 l# B
            {
5 }, n. J% `7 J0 W4 K( O                      b1[jj] = vec1[jj];
$ j* C; ]" s8 x             }
8 W; v: ^  S8 H/ z1 {- D! D7 E0 t- l/ V" D  P. f
            for (size_t jj = 0; jj < vec2.size(); jj++)4 ^( \7 z( d, b- j
            {2 J+ |# b( z! g2 z# U4 h
                     b2[jj] = vec2[jj];  V+ \* H6 B( Z& }. }( J/ L  X
            }; F$ x- S) ~& s8 d6 u: o: Y1 Q$ b4 ^4 l

0 ~, @1 w; L# L3 C' N5 ^4 G             //Method - 1  N=100000 247s
& D/ Q9 H6 v! e+ Q& G% S             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);. _! l: k, E4 x. t. {$ @7 W
                              8 l. f& ]2 K, J6 D6 Y
            //Method - 2  N=100000  237s
4 z$ u9 \! V# H. w/ O. @4 z" z! H             /*/ U' ^9 X# o1 J+ [: Y' v% d
            for (int jj = 0; jj < N ; jj++)
5 r1 d- J$ c/ q: t& s/ @1 r             {" ^* b. L# n9 g
                     fresult += vec1[jj] * vec2[jj];
  O* |9 ]6 \  P) m5 {             }+ {! N+ j& w9 y+ a$ G' c
            */
* z* a2 y% W0 h) n
% _8 C6 w1 S: w4 y, n# H: o/ G5 O             //Method - 3  N=100000 204s8 f6 C9 c& ]7 h2 ]
            /*
2 F2 [% L& V2 J) @. m             for (int jj = 0; jj < N; jj++)
! W9 j6 U: M1 M, \9 o: _9 Q3 G/ p! {             {
2 w* a3 j; s. m' f+ A                      fresult += b1[jj] * b2[jj];
: K0 I. d5 Z) A2 G             }4 Y- m( }- F; p$ _/ d; w
            */
) ~1 }1 }: Y) O  q$ M2 R& K
  [2 f/ o! ?. k0 K9 O             //Method - 4 202s
7 h- c$ Y& x# H& }5 T             /*% M! K0 y; f* }5 T
            for (int jj = 0; jj < N; jj++)
/ B7 F8 O5 T: s1 O3 D8 I( b             {
1 x2 P1 J* F. d/ m1 n# m) F. u
! d3 p8 O0 p; [. H7 b             }/ w6 W# |, r* e& ~9 F5 t8 k) F* _
            */
( f: w" l! @2 i. M& T  b* A* i             //comment out all methods, N=100000  202s             ) h9 W4 w' X% Y* @
      }
0 I9 J- C5 k1 G2 c: H9 K* Q( T: w. A' Y- N* f( D4 J& |
      delete []b1;; E/ k2 d2 e( D* r% `
      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; D* D+ x7 h3 |. Q0 A, D7 g2 r" y
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？
7 X4 o( i& Y4 t( x1 |
m- C8 @3 W0 ^& q% l" T! }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
. g2 d0 W5 y. g R$ F5 a$ ^: @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! O8 H% u! ?9 b9 V
" {' R$ @/ K4 G4 o6 u6 u# v
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* r3 V+ C5 D$ b3 c: l+ [* C
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)/ t, ^ g: b4 `/ ^9 i3 K& |2 q
{, b, X6 A$ G! P( q0 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