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
- n; }9 }$ F4 Y- Y' i/ u Y拉下来？拉多少？
y( I- D8 v+ J% N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
]* y- Z! m/ `7 BMaybe 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
: e& p+ _: P$ P: Cvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)& K! v" y, k) _% D1 l4 y4 s
{" n+ Z5 w7 ~% C- L4 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
+ R) g# a4 H9 y5 M这个不是这么比的吧。。。
' L; b' s0 w& l& B' i3 N
3 f' I( f h F1 r; y- S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 00:463 Z. d1 N; C* l0 F7 ~9 r3 J' t
有道理。
6 D. g! a2 p5 Z3 Z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/ m& ]$ @! p. N& H' ]
这个不是这么比的吧。。。 F7 ]1 _7 ?5 M( D) Y+ K& g
; @# U* X3 P$ ~ a0 \
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 01:481 V; s' t! Z) R( I3 h$ m
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* H1 {" O( I W: l
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 04:478 J) b7 I6 u/ K7 ?" ]% Y, a
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; X6 G" 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 14:58
' \6 M2 u7 r) I" a) 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);
, j( B, t# f& h& @. z$ o3 i       std::vector < float > vec2(N);5 s" N' L: \' @
      float* b1 = new float[N];
/ p, p; B$ P3 ?       float* b2 = new float[N];8 U+ P+ o7 u- j* `  ~; Y) J# H
8 e/ _$ W, n4 L; \4 c7 F! k
      for (int j = 0; j < 6000; j++)) g- {2 H, M/ P- Z: ?9 ?. P1 b* o
      {
2 d% F* l" @  e" V             std::generate(vec1.begin(), vec1.end(), []() {
2 C* c0 O  C" r2 p0 {                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;6 q1 _  B( V- o: J" e/ ]4 [7 ^
                     });
, _+ g3 J+ y, m* M* \4 K9 z$ y9 {7 ]0 c( H: h" n- A
            std::generate(vec2.begin(), vec2.end(), []() {
2 Y  X* G5 k( F                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
; P* n9 z( J6 h9 `  u/ T3 U                      });7 p* C/ A2 L5 Q1 `1 b; v2 m) S, p* @

* H3 }, `4 y( z) W  G7 K  M0 s5 }             for (size_t jj = 0; jj < vec1.size(); jj++)# x, k5 n) e! H
            {
4 g9 B5 |3 D$ a8 M, _' G4 Z5 _                      b1[jj] = vec1[jj];  q2 e& {: I- h. m& z& G3 E6 D
            }9 t6 `" T) r8 U9 ]" n$ G% D, D

# j3 V. i# e# I             for (size_t jj = 0; jj < vec2.size(); jj++)* S% Q. e$ j% V# Z9 F8 i& [
            {
! g/ L: Y! s. Y2 o; Z1 O2 ~                      b2[jj] = vec2[jj];8 J3 B$ `+ |% `: I
            }; h) a: P, k1 H1 _- b

/ S2 J* ^% G/ ]2 q; v2 F& j             //Method - 1  N=100000 247s
/ j8 K2 k- s: c% c2 {- N             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);4 t& ?+ ?1 v. l9 h! l' {: k5 B1 Q
                              ; g. Q, p) r% L
            //Method - 2  N=100000  237s
4 P* W" Z4 L: R! L9 ]+ x0 c2 s4 B+ t             /*
0 _  s1 r7 a8 {+ k             for (int jj = 0; jj < N ; jj++)' }/ S$ P" G# `3 X" ]6 D
            {( T9 P( @0 h  O* A' S
                     fresult += vec1[jj] * vec2[jj];
! T# H( [8 G  ^             }
; h/ b( ~* |, _+ l             */
5 x; N+ C" g' L1 m- t                               ( c! ~  f9 j9 `+ c) g% @
            //Method - 3  N=100000 204s/ e& A6 I; {. R% M3 ^; D5 O" L
            /*
: p4 k& a) S6 `) `( i# h             for (int jj = 0; jj < N; jj++)
4 V" S+ G7 i' }             {
" `( x7 n7 X3 ~! l% k0 r. [$ s                      fresult += b1[jj] * b2[jj];
; M% ~3 ~8 A; Z1 S: o! _             }/ c/ P" l8 M1 t! I  d
            */
0 g4 j  f2 m$ f) w' k+ x5 ~8 G% \- D( m+ O4 |) [
            //Method - 4 202s
& k7 @, o) Y- ?/ m; [2 o             /*
/ E9 f1 h" c# W! {             for (int jj = 0; jj < N; jj++)
4 V; {8 p1 F0 s1 }# P' G% |             {1 q- \5 t, j0 y6 |

# e; ~3 M; m- w+ v" u+ V             }
9 F1 a3 p  d7 L; O* s             */" @/ k+ {6 C# |( ?1 x" }* r  G4 \
            //comment out all methods, N=100000  202s             ( ?: w- [# D: A" P! \% F9 a' M0 [4 I
      }
2 i0 y* G- C& g
# W+ a* ]# z' Q2 Q+ z( r, k# `       delete []b1;
  j9 q0 f  I. `% V7 \5 B4 p       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 `0 L1 T; |/ a# 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？
) w/ R7 B9 ^* _9 g
+ [+ c# Q( V" q5 s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$ ]0 ]2 D4 n; E( @
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$ r- X# Z/ a, l* m+ _
; R4 I$ Q y) s" W6 _7 P; e
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 23:545 O- l' V1 O% I1 x/ A' H
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
1 m, l/ F9 ^1 `0 L+ G( a0 u2 ?{
" F, Y" D( G( k9 H9 U* X 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