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 23:040 h" R- P8 w! g" e
拉下来？拉多少？$ N- n1 `, e2 d! L) Z
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" w% h5 @" c" d2 q8 D
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
4 a$ v% X2 M; J) Zvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)* T! `! t6 ]2 Y& w
{( T$ R) t6 x' a) n4 v+ o! G i
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! h8 L, v$ g, s7 l
这个不是这么比的吧。。。4 S2 k! D7 t1 @6 ]: o: l- w, X$ J) T& A

0 o# t! h" x; a r2 P+ [. 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）。

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
1 O: q( C ~8 Z* _, ^有道理。
6 z3 J; T5 x6 @5 E2 \, R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
9 v( B3 J k/ e' X( g I3 l$ ]这个不是这么比的吧。。。% I2 G( ~! `' y2 l: r
~2 V# Z9 o3 V4 @9 V; ]% k" 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）。

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, |+ F; q1 h& E, w/ C, `
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 V2 h% B, n5 B/ s
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
d( ^4 z5 t0 x# q; t; L! S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 04:477 y4 a* e. }: }' k1 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 ...

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
! j& U4 U L1 |9 E% Z$ Z8 W+ ^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);
( y1 ~# r  q8 n3 @       std::vector < float > vec2(N);% R0 _+ J! c" b5 M
      float* b1 = new float[N];0 q2 N' s; m  I6 m  a1 C  F/ @8 k
      float* b2 = new float[N];- h1 b/ b; s( m- n4 \0 e
  z, y  ^4 H" e
      for (int j = 0; j < 6000; j++)
  h' T+ h* F- T  k" D! b4 U       {9 E+ |7 X7 W% X4 J, u4 P
            std::generate(vec1.begin(), vec1.end(), []() {2 N6 m& K9 B7 o& L* L/ l
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;3 g% o* Q) m1 P  P6 d7 z
                     });
1 n* o3 {4 s8 X/ q. O: e& t$ K5 B+ r: K- F* ]% n) Q9 s0 ]
            std::generate(vec2.begin(), vec2.end(), []() {" c- l8 K  u1 [' ~7 C
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;5 [1 b1 h9 q: U, o4 G) O4 Y' j
                     });3 }1 T6 k3 }, V

6 f& a( A! P: v( N! W) u             for (size_t jj = 0; jj < vec1.size(); jj++)) |/ D  n9 m8 E* @- U: ]0 i
            {
/ h) h) V) K3 l, y7 h9 l3 n                      b1[jj] = vec1[jj];$ ]: q/ U- \7 ~$ G8 @
            }
% ~! h9 q  q; f3 X+ d  O
7 {& {: Q8 ]3 d1 g4 G             for (size_t jj = 0; jj < vec2.size(); jj++)6 l! ]6 O5 m' N( y
            {
' V; t2 r) o4 v0 H1 F" R                      b2[jj] = vec2[jj];' T! V* ]/ B3 @' Y; d
            }
5 O' `7 B) |+ `( t6 K+ i, n
- d) O( f) m5 T4 Z             //Method - 1  N=100000 247s  : \* h# @- s9 _% w8 P
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);8 \% |& D3 _  _7 @: l

% A: g9 u, w+ o3 f             //Method - 2  N=100000  237s
% T% Q7 s* x+ p" p" }: \3 f; ?             /*! z9 J/ F/ l; C
            for (int jj = 0; jj < N ; jj++)
  `- A5 e7 I5 f  H8 j% Y             {, O, ~# _2 l3 P' b
                     fresult += vec1[jj] * vec2[jj];
+ |8 V1 Q* W$ X1 K+ a             }
& g' ?$ j) h/ {1 V: D3 w/ y             */
; O) u3 m7 T! A! [0 U
. z* n$ p2 R5 F/ S) {( Q             //Method - 3  N=100000 204s
" K, H' L! t  I4 D  [# Q  w& q             /*6 W8 ~6 Y4 N; l: b2 V/ R: M* W+ T" d
            for (int jj = 0; jj < N; jj++)( \- X3 n& [/ P$ S) g0 D
            {
1 B" U6 U/ _+ v9 [                      fresult += b1[jj] * b2[jj];$ @' ~8 f5 K% v+ \, R! p% V2 |4 Z
            }. q5 C; g/ D% d# h, p
            */
7 L' J: U  s: s8 H+ ^9 a# [9 D* `" t# v5 n1 c; N) r1 w
            //Method - 4 202s
* ]9 W/ ]  e( j# u- L$ d) }0 D  }             /*
; E, s: ?* r  K6 `; p             for (int jj = 0; jj < N; jj++)8 c0 }/ D/ v8 v6 Q) l( c
            {+ d- Z/ R# b$ L. M+ N! K

2 W4 a, o+ a3 H  x4 ^             }6 T( L# m5 l, h+ B
            */
2 x7 Q. h, g- `             //comment out all methods, N=100000  202s
0 _8 W: {" `1 s: u+ f6 J& V; _       }3 g% a$ L! R0 B' g2 z- l1 V. `+ s
; N; a6 I/ A1 \; f+ C( u
      delete []b1;
6 a4 x5 T9 j4 W% l4 u       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# `+ F8 L2 i$ `& A, K
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？9 f/ U1 r9 d, s# I9 j8 y: h" i. f
% ]0 j. d t3 E/ S9 \% `0 R! Z
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 01:168 K6 l1 }6 q- ^
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、LOL3 R; _9 E2 n1 l" y: \$ |; ?% O# e5 ]
) f% }' H4 S2 V0 `5 r2 ` f
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$ N0 z. f8 m" I" P
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB) J' [" L8 X3 J: z
{
$ z' e2 R% f5 o8 a& ` 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