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
- @8 ?' p5 n/ ?" E拉下来？拉多少？
% I, P# [0 X% c' g4 j1 }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
" O7 O7 e2 H6 m; _/ _( O; J5 }5 HMaybe 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 23:541 p& p# e2 P# A' t g9 B
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
0 B* P( L6 k0 N" G{
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 }, T" O6 W5 {6 d3 ~
这个不是这么比的吧。。。" a ^/ y$ d7 y, }1 P1 i( L* O K

0 @4 q- P/ o0 W, V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
5 i* x3 @5 L, C' @8 _有道理。
% d, h: m0 T& o5 |; e/ ]) P5 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
* a( {; A* O& i3 J这个不是这么比的吧。。。
/ r" l9 r; |- H) y. C8 f
! [- z x) L4 C9 F% [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
2 v+ V- I+ D$ p1 ~9 }4 `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. H9 F O$ Q4 q
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& L5 i/ F* @1 F8 D( Q' ?1 f( K5 U) ~
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$ P* K$ j- y9 J& `; c
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% ?% F! g4 ]2 {
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);
5 P/ e$ N: e: @5 j& G7 [       std::vector < float > vec2(N);- m. A: l) {( H* j/ E
      float* b1 = new float[N];8 @! U8 z6 e* N
      float* b2 = new float[N];, b) L0 M' T) u, j8 v' E7 G4 s

0 w+ a7 J2 x# n- @" y: i       for (int j = 0; j < 6000; j++)" u* k) j7 p( u: z
      {
% n+ N: d; D  T" s5 ]             std::generate(vec1.begin(), vec1.end(), []() {
5 f2 ~$ j2 e$ u+ Y( L: R. W                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;0 N, ?' K4 H$ ?+ I% V3 J. t" r
                     });
7 X+ t& H; Q+ h/ B" V: X
, W0 B% b  j  _' g1 A! F- `2 ^5 G             std::generate(vec2.begin(), vec2.end(), []() {
+ b% D3 `' c. u/ ?- L) u0 n                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
/ E0 c+ S# \7 ]- ^1 O+ H                      });. J  m2 |$ W, f% N8 ^' [5 G
, a' i, V! m' \; U9 G- H- n
            for (size_t jj = 0; jj < vec1.size(); jj++)
* A2 X! h. r+ }  t. e             {
1 N2 U( ^; p3 [$ r1 S  V$ M9 v                      b1[jj] = vec1[jj];
& c* R# z7 |  K" ~( q6 t/ Q% h+ H             }9 |: Q! N# L, d, E6 P0 [

+ k4 M9 T$ n( X' j5 F- ^/ v7 C             for (size_t jj = 0; jj < vec2.size(); jj++)+ x) `0 d  p( B/ i
            {
( ?1 d; O! S" u" a                      b2[jj] = vec2[jj];
- M( h0 A. h) r& w5 c             }% N6 B6 T, N6 Q7 @1 F$ Y
! C8 e; c: I& f# |: f$ I
            //Method - 1  N=100000 247s
2 O' s  X+ U5 O) R             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);6 W/ `, m4 E) D1 [9 {% c
                              % l% j8 I& c% _) o
            //Method - 2  N=100000  237s) d/ T1 f, }8 M) W4 n
            /*
0 ]( L) n, j! Z) J             for (int jj = 0; jj < N ; jj++)
! V( [! h1 s# `- l- l5 \1 H             {
8 u! b7 F/ d+ f8 W0 W1 ?* g3 X                      fresult += vec1[jj] * vec2[jj];
. F1 N5 L* u: W* k9 T) Z! X             }
$ i- v( f- D6 r. a  I" h             */
2 n  n# T) x; [" l                               / i( M. I1 J8 a  d' O- H- k+ O
            //Method - 3  N=100000 204s# @( F1 d" o5 i- g0 S
            /*
8 P5 R7 `8 O$ o3 I             for (int jj = 0; jj < N; jj++); _% n% h5 }# p! _6 \
            {
/ }" i2 y4 }* b8 x% h8 U. p                      fresult += b1[jj] * b2[jj];
* A4 c' i% @5 H8 M0 o, ?1 l0 p1 n             }/ x5 ?# \& g( ]" n, ]+ `1 V0 U9 R
            */
0 s' L7 r7 P; p+ d2 x9 F7 ]1 o; V6 G) K+ d& E
            //Method - 4 202s
- X/ b3 L, n/ V% ~& ?             /*4 w( |& e: }! v% a7 r2 w8 v
            for (int jj = 0; jj < N; jj++)+ w# B0 O& N  u' E- V
            {4 m  Q! `/ x9 R) O( t

+ O& v$ E7 h' L) i             }
4 ?- \) ?3 g$ S8 }' H3 h             */! m/ W/ q5 S, h- \! Z9 ]
            //comment out all methods, N=100000  202s             / Y5 N4 e2 N* h( r* D  W( a
      }1 H* S" l' v9 j' X1 O3 q1 @

& f! B! z2 ^5 c  E( k0 s       delete []b1;4 g% l1 b2 J9 c
      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
3 U4 c7 |; k, h/ f9 U/ ^3 o4 P: I9 L6 ^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？$ I# a9 V: W9 e% K2 h* V

: [# G$ |% H+ v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 ^& O) V4 H9 Q6 \4 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、LOL0 Z3 T2 Q* n. v2 c [
5 M5 p/ b% ]6 t7 O* C7 F g# x4 M; m
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
% l- Q3 B; c- _void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
6 _5 F8 C1 V; _" q$ G( ^{; M! l+ M! n7 _2 P! v6 I& z6 b
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