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( l# r; q! ^8 O: V
拉下来？拉多少？
7 Y; r5 G1 ?9 u' f; B: n8 i- m$ U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; O/ F5 v& ^- h9 i6 }
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* c4 ?( _5 P& ?3 m6 s
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)$ W& v+ c) O3 h' \2 ]5 n) ?
{
, f5 M" o" |; w9 c/ p 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$ e* t1 ?* N% k7 r
这个不是这么比的吧。。。1 h& P& u# @: v% i0 l( G0 {
0 j4 Q1 e3 |& j; \' @' d, l; E0 b
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
/ l3 G; [1 s% Y* z: W* ~1 B" Y+ M/ o有道理。
8 T& R% d) ~+ x) ]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% \& W! D t0 r8 z! g
这个不是这么比的吧。。。
2 w+ f5 U1 o! M/ J e$ x( P! C$ V1 y X1 E/ X
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
# h% s5 \5 H- \" L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
- W/ j+ |( c8 W- n; 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+ G5 D& P" u1 ^5 W& l5 Q9 X6 N* h
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# g2 F& x e) V/ o/ 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
! J1 J* Q/ S4 m s6 W( s2 o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);! f0 x0 a& o9 V1 w; x4 n
      std::vector < float > vec2(N);
+ Z+ v, T$ ~% x5 Y# F' m: p       float* b1 = new float[N];
4 p* C5 e5 f7 c; i0 }) f& L! ~  l       float* b2 = new float[N];
* z7 I' [0 p& m0 l7 v! T# F" u. b# ?3 {& Z0 f/ d+ U
      for (int j = 0; j < 6000; j++)
, L+ r$ D2 N9 }8 E6 W7 n+ }       {
7 M. Y: k' D& c+ G4 P             std::generate(vec1.begin(), vec1.end(), []() {! l$ ]- I: t' f  a
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;( O: A6 U7 C% w# {. L
                     });
- V% T1 _8 ?! T- H  o/ z, w8 B' L' T5 l; b
            std::generate(vec2.begin(), vec2.end(), []() {& K- @( G% m, a7 p0 F8 B9 [
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;4 a% O: C4 c8 J% A! j" X
                     });1 q3 e& ]* `2 P7 t

; e7 H8 r/ c! o, m" S" D' M# u  Z             for (size_t jj = 0; jj < vec1.size(); jj++)# A6 V0 F- h4 b) S: x
            {# e3 G, h9 H( n8 M6 E
                     b1[jj] = vec1[jj];
* ~+ U  U- O9 D, X5 D             }' d- h* s' H7 V/ L# h1 w5 t; ~/ h. U
3 R; g: E9 w/ C. p
            for (size_t jj = 0; jj < vec2.size(); jj++)
8 A& x! W; H# t  w4 D/ S% J7 Y             {9 P/ `; M% ?+ |/ a
                     b2[jj] = vec2[jj];# |2 ~5 H; t5 G6 m7 @" ]; P
            }
$ M& q1 n8 h$ e- T3 s; S1 W0 J) ?7 V
            //Method - 1  N=100000 247s  , W9 P% O8 @  H
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);7 X3 x. ?. m* o( }% y

6 n( Y$ M6 \& F5 D3 E1 G. w             //Method - 2  N=100000  237s+ c7 v. v2 q) ?, c+ r$ G4 G
            /*
/ L+ _$ M9 v' `; r9 K             for (int jj = 0; jj < N ; jj++)
, Z) `5 `% y% [+ Q, z& A: V             {
# S  z1 |0 u% W                      fresult += vec1[jj] * vec2[jj];; N) O. l7 N% I, w: U0 \) ]
            }: u4 W. u+ T" L/ w
            */
% q/ p$ G( \  c. K2 ]! j, A# U                               ( |2 O$ @7 D; }. \! F# h5 w
            //Method - 3  N=100000 204s
$ F9 x4 R/ j" O; V9 L$ T; z% H& `             /*% S9 Z' a$ |9 z. X# T% H% s% o
            for (int jj = 0; jj < N; jj++)+ T! d0 d% M3 Z8 L% [
            {" B9 ^$ [6 {7 b3 l
                     fresult += b1[jj] * b2[jj];- d* R  L1 b3 h( _2 R
            }) n6 p( o$ }% o" \: f; c
            */
" _  w3 ?+ v. w4 F: v& y; Z: M8 R/ M! _  ~2 e
            //Method - 4 202s4 R! Y8 A  U  m4 P  v6 x5 c& x
            /*
' k0 ?, R- M0 p- B3 }6 d6 M/ X             for (int jj = 0; jj < N; jj++)
0 M+ q- i; S0 C             {9 X" [4 J* G9 O

- P% ~% S  p5 P0 g             }: s' k" {+ l7 N6 A- ^
            */
, X5 ]8 p' X( y) X3 L             //comment out all methods, N=100000  202s
! S) [, n9 f% k" Z       }: B7 j5 |3 c2 k/ y6 W. D2 K
; O$ \* J4 M4 G& U0 }+ c7 G
      delete []b1;$ P1 h! q% q5 }4 n
      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
/ ~4 e, Y% g* b2 D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？
, L; r1 n; {: f: ?. W
# Q6 p6 a1 i3 E$ e" J/ ?. C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
7 v8 z0 v$ E1 F' N( N5 X; M0 T8 c$ ]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" R- t0 X: ] R

5 Q) [8 q! `: c, A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. a7 G$ a2 O  V- u1 Y
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)% L  M4 R% G! Y) e
{
7 W/ E* ?: T7 k  f9 y! k2 | 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