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* {; A7 e0 j W
拉下来？拉多少？- C( [1 i; l3 s. C3 O) m% M/ [
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
( m& o. u) ?' `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 23:545 u/ I" b4 s' X( p! l$ K
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)6 x1 f% F4 L3 w9 m! Z, b; M
{
, N2 u# F3 V5 q; M$ p( M! x6 b 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
! \- m* I7 j/ F' ]3 ?这个不是这么比的吧。。。
_ z6 j" v/ B/ t! d m0 B
7 p; O$ y; C" t# @2 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
4 e4 r# i8 I% L. x: X有道理。6 |$ h7 d$ P, s5 |' g" r$ a
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
! y& n/ k% {- L; {这个不是这么比的吧。。。
5 r; ~$ w3 ?! m1 R" x' T
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
) ]3 {) X8 N; M E8 q1 d$ Z0 ]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
6 _/ v9 o- {. _" 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 04:47: S' L; j: F3 E& q+ ]9 e2 m" L
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
) g9 g1 B. R8 v9 k) z9 K9 ^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
1 \! V/ V( Y$ y8 m6 T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);% |! d1 E) o" Y+ N, Y7 H6 G
      std::vector < float > vec2(N);
) T1 _% ^6 n9 F! ~9 u- g       float* b1 = new float[N];
+ F8 }3 r8 I) ^% U: l- t       float* b2 = new float[N];+ u" o1 X8 a, b8 ~% {
  Z  `6 }7 L$ Q$ T7 d- ]
      for (int j = 0; j < 6000; j++)
, ^" q1 F1 I3 |' I% j       {9 ]+ E" ~8 ]6 ~) Q* p
            std::generate(vec1.begin(), vec1.end(), []() {( R% E1 H1 T7 \9 j9 ^
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
  |0 k2 X: X0 M* i9 v- u                      });
$ a0 T: G+ X; F& U& I2 H: {: t# \+ j  e
            std::generate(vec2.begin(), vec2.end(), []() {4 `* G- f: Y* U, R. _; b+ X
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;# q/ @2 n0 Q7 J- J' L2 A
                     });7 U( I+ ~5 B! H8 W' `
1 K+ I8 ^# t0 U9 V- S) z( N) P
            for (size_t jj = 0; jj < vec1.size(); jj++)5 L  R7 G# m( L# q: x0 Z. f* ]. Q
            {
) I: u4 S4 @6 E9 A) G: Q  v* S                      b1[jj] = vec1[jj];9 i, \) b+ a* N
            }
& N! Z3 |! J; w
4 H+ [; [) x7 a6 x             for (size_t jj = 0; jj < vec2.size(); jj++)
9 ~4 n, A( @* w. C             {
& H) g) N; m" w. t' r# j                      b2[jj] = vec2[jj];
7 S% l  G, U7 j) M- o# U2 c             }6 A$ w& o& t' l+ R9 ~, i; F" B- U7 v

- f- P8 v" K# @- O             //Method - 1  N=100000 247s  1 q' s+ v& s0 P) b" \
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);, g4 A3 x+ u3 S- g! r" q
                              8 f( h( z! [5 h3 S' g
            //Method - 2  N=100000  237s
# Y+ z; R- h& L0 W) ]             /*/ V6 V) d6 T  c2 }& p
            for (int jj = 0; jj < N ; jj++)
8 [; I# U8 U! v1 E0 Z7 `; C             {
+ }* ~6 {5 b3 c                      fresult += vec1[jj] * vec2[jj];
5 I0 z) S; F3 G# c+ ~0 U             }1 m7 d/ O4 ~0 ~1 D" z( Y7 [# h; |
            */$ [  G; `! h- E
                              ! ]% v; p: y+ N+ ?( B4 ~
            //Method - 3  N=100000 204s
. T4 a5 A4 i! Z) O# @! q9 c4 g             /*
$ j# h* a. [5 s/ r             for (int jj = 0; jj < N; jj++)) B) V" T. }; f3 C- T; V2 B  U
            {
7 E  ^3 B. F( ^- T3 K) M. c' B# r2 K                      fresult += b1[jj] * b2[jj];4 K% g7 u4 E- K$ K8 W
            }  @' ]8 Q3 I* n7 F* r2 Q
            */
1 M4 ^! c8 {. C  J" r+ Z5 g7 c0 x- V0 w. }) Q  q( W
            //Method - 4 202s2 J# k' ]1 z4 S1 x- N0 h9 [& A
            /*
; ~: |" ^0 ?, g             for (int jj = 0; jj < N; jj++)' i/ Z: v4 D" _& l& S
            {$ j' f  N! C# p% M
                     9 C6 G9 i( c4 x
            }  ?# R% @( `! E6 w4 [3 F
            */
% s  C  X, K; q2 V" A- {4 w             //comment out all methods, N=100000  202s
# B* K) |0 R' V       }
  W" @2 [0 ~9 Z/ U( C  \0 n  W  o( \( Y; E/ d6 X% h
      delete []b1;
; B6 H: {  U" i: g8 Y9 t) s# F       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
5 X: N9 N! I2 i' H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 s3 y8 z+ c4 Q! K' L! W/ b

; G/ I5 N* y; K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
( i7 k4 K; \9 h3 F2 w5 s" u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
. J9 T9 Y, R& _3 [8 e8 @' f5 P1 \, v+ {7 I& B
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; m0 \6 ^5 B4 s& V" W' R; @
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
3 G" z8 A4 T' L/ ?* s& m{8 T3 g5 e3 `# @6 F( P9 U
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