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
* q! n: t7 r1 G, E G! g拉下来？拉多少？
$ A7 i+ X( j9 C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
3 n" E( \3 w c* G F1 p0 F) l. TMaybe 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, ]3 b* C3 M6 w4 m% p7 N! Z
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)% J+ [1 |: t, {' Y3 O* K
{0 A/ S$ W$ Q- n( ] H/ 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/ ?2 T( M. H- f7 P3 E8 d
这个不是这么比的吧。。。
2 I+ ?' y* f! {8 \
. {+ @) N( Y& z; }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 s6 g7 L+ N) _4 N, h8 L$ U有道理。+ ]8 r% U! B' N- o Q
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
0 r1 B5 W# A7 g; y这个不是这么比的吧。。。
( _" @, L+ A/ R6 \: q) F# R2 g7 O' Y8 x7 k& O) J; k) X- A$ K; Y5 H
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
& ~( ?/ V6 O6 G( k! [5 B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- ^9 V1 K/ f1 S2 z% L* 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
$ Q( @" ]7 E1 ]1 W% Q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 04:472 m& i7 y; G8 D, z! q9 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! @" u& F+ H% _& j1 {+ ~
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);$ b  m1 Y& [' A& e; B" H+ S
      std::vector < float > vec2(N);
0 H* j# o/ E7 W  V( e7 P: H$ E       float* b1 = new float[N];
' f; l' R# W1 }% C- W/ ?' U       float* b2 = new float[N];9 ~0 }9 C3 v( |! a: A
7 m2 |9 M: p% [$ M- K
      for (int j = 0; j < 6000; j++)
; I8 a( K& S* f! N% {! G7 u       {/ _- _: S: k) U* Q( U
            std::generate(vec1.begin(), vec1.end(), []() {
. B, D" j  o1 T6 @- [! s: y                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;* R+ O  P/ u5 A, C
                     });2 i7 T- v' [9 {
' e/ n, r* C  R1 G2 k% ]
            std::generate(vec2.begin(), vec2.end(), []() {8 R% R1 j% G" S3 N/ t1 t
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;) h# C9 p8 B9 M
                     });
% G& [7 h2 @+ y6 Y* K; s6 t" l, O5 `7 Q/ F, ]8 _8 y8 ]# k$ _8 p) K
            for (size_t jj = 0; jj < vec1.size(); jj++)
1 Q- W9 v- J; e' ?2 d+ M* f9 T+ t             {  x, W3 R. R8 k4 ^+ Z5 q1 @
                     b1[jj] = vec1[jj];
) G/ I$ f" d% w) K             }, T" X% ^% o2 S) W3 }- z. U3 A

# y) u7 I5 ?7 z' _8 M/ E  Z             for (size_t jj = 0; jj < vec2.size(); jj++)
* ^4 |" c6 O4 Q! Y: O* A             {
  C& z1 l2 B: [0 P  H2 A3 ?# i                      b2[jj] = vec2[jj];
; s/ d; E7 }- l) ]- F( J             }
7 i3 A9 f8 R9 X8 \) f7 P) H3 J
  E- E' o* Q. t# N. z             //Method - 1  N=100000 247s  0 x1 i. J& Z. E2 U
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
9 O8 k/ f: f, V/ ]% M( U
* a1 I+ {" ^1 G7 f- J/ w% Q             //Method - 2  N=100000  237s9 Y/ Z+ c& _1 }: T+ u5 A
            /*
7 C: D* b( _! l& Z& Z             for (int jj = 0; jj < N ; jj++)
$ l( |$ F/ M8 d% T             {
, o6 m; h8 Y- o2 j: n( M                      fresult += vec1[jj] * vec2[jj];% R2 N- ]' }2 J
            }4 t3 n  c1 m& ?1 v4 b1 M
            */
8 _; @* I$ T. h, J3 W$ d, }* U
2 @; \( {% V0 \, P/ y6 R) S             //Method - 3  N=100000 204s+ Q5 q, l! |/ j7 N6 \# ]- a
            /*
4 t$ ~# V/ b1 n% u% ]" I) d2 }             for (int jj = 0; jj < N; jj++)
' q% H1 p) r; e0 K& l             {
2 _6 m) A0 q; [6 S, n% f$ F                      fresult += b1[jj] * b2[jj];
: r: r8 J* D1 J7 g9 A             }& d! h6 v2 R& v* ^) D
            */1 S8 o9 {; d1 _8 @) k7 F8 }

0 R; L& \, X/ A. u  Y4 F3 r             //Method - 4 202s* E, V) ~. r5 l) t" Y
            /*
$ l6 x# k8 u1 S) q6 o5 u; Z             for (int jj = 0; jj < N; jj++)
; f( K/ ~8 B+ y' w             {
8 z& ~8 k3 n2 R/ ?6 O
, p9 i9 U, {) B( ?8 I             }6 r$ w3 M" O# k
            */% g. q" z' h# p/ L/ Q( y8 B  O
            //comment out all methods, N=100000  202s               h( Y9 p1 \2 Q3 y% o+ K
      }% Y$ }' {4 V/ u3 M8 P5 h

- l& U% @. ~" O% P       delete []b1;
) `+ l$ a2 j; l0 V/ ?8 u3 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 00:154 _) E7 S) U$ r
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？
7 r& T$ |; G+ G/ U R) l$ g
( j; f6 u+ \1 C9 \ ^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
3 q: f. [ A' [, w# d! l0 H6 `2 R" k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( w& j) c8 l0 L( h0 _: M

! ?& P' }. h$ X2 L% A4 j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. |# _4 R+ a& M3 x
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
6 _6 w: c# t: P" N{
0 W+ z2 R& o2 R5 ~ 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