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! h( P0 s/ C( D5 S* t5 x1 f1 D
拉下来？拉多少？# l' c: b4 H3 R& ]6 t5 g& e
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
; V- {) N/ {& _ z Q8 oMaybe 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( z' M# [' o8 `
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
2 ]5 }% M+ ?- N% U{, N _9 l" u6 Q* w( j
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) t) W, V5 W& I" l7 o5 c
这个不是这么比的吧。。。
: M7 U2 l5 {' h# ? A* C; V1 {1 m" 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
' s* |$ y, c: \- {' X7 ]. D1 G有道理。
2 D6 q; n8 e: e- a" z3 [% A4 n; 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: {' W1 z% W- ^( L2 I# a
这个不是这么比的吧。。。
" r; P. l: k6 q( d& y4 R& N& `
. X7 C' L& z( [% y7 Q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; V. j* ^0 l0 g A3 e% K
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& r1 G+ V* B) b( Y. t
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
2 q7 Z7 m$ Y8 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 04:474 c! v: Z9 J" w4 a6 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 ...

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
# ?) _. W' n2 @, D9 N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);
  k& M) l& ?/ \% i) T5 M  u       std::vector < float > vec2(N);/ p5 t0 [+ C( |8 j
      float* b1 = new float[N];
" A: G: _2 u+ D3 ^9 k       float* b2 = new float[N];
  d" X, C3 y" L) T0 v7 n% j& w& l; i' b1 ^) h
      for (int j = 0; j < 6000; j++)
: j+ x3 V+ h0 n9 p' n2 ^2 O4 j       {; t. z9 P; c5 n
            std::generate(vec1.begin(), vec1.end(), []() {1 |3 |4 _$ u# Q7 i  z) M. I
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
' d; F+ @8 z- K! M( \# ?4 c) }                      });
* P6 W* W4 }" n
4 B; R0 E# H# [             std::generate(vec2.begin(), vec2.end(), []() {
( I3 P- j  `( @3 L# y9 \' R                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
! \- S1 _( i+ F0 T7 t                      });$ U; A; s. `- ?* k% r2 A3 T2 E" b
1 Q: I6 [9 i( _6 q: a/ n
            for (size_t jj = 0; jj < vec1.size(); jj++)
. R! o3 \5 _3 s0 _- h$ C             {3 ^, Y5 a8 @' Z2 q
                     b1[jj] = vec1[jj];( S4 P1 J* F$ L3 s6 R, X; _$ H, T
            }
! ?/ r+ C. F  R( k; U4 E8 o2 z
& |* V" t' ]) u0 @5 T  Y- b             for (size_t jj = 0; jj < vec2.size(); jj++)
) F7 Y) z, h* d' K1 g( r0 e             {
" j  x! v% C- h- x' T                      b2[jj] = vec2[jj];
# K8 I* J% [+ @4 J- F/ J% T             }
: m# i9 M1 Q4 ?. O$ ^6 N7 G7 C5 C5 s( N: t
            //Method - 1  N=100000 247s    @5 F, y- i8 F. v: m
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
' s1 }& `' t) ?9 Z' ?
/ l8 J9 A; V' k& S             //Method - 2  N=100000  237s
0 G  B5 d* q0 A0 `; N" V             /*6 G' S/ d' g# z$ U
            for (int jj = 0; jj < N ; jj++)
7 j- ]0 G8 V0 n7 Y0 P9 t             {1 E' s- D9 v4 V
                     fresult += vec1[jj] * vec2[jj];& X% Z  `2 p, K* G; H  ]* ^) k; r2 @2 H
            }
2 {4 D2 R1 Y0 E+ p* L             */9 ?$ \! x. d) N( U) y

9 V% Q: P0 C# X. K; p             //Method - 3  N=100000 204s
' Q' c/ E  M, [+ j             /*6 u6 }2 {! Y. D( S  L7 E
            for (int jj = 0; jj < N; jj++)
" d6 w& @  k  {7 E1 T. S             {
/ t0 \& n% i, J. k: l# F% p& y                      fresult += b1[jj] * b2[jj];
5 I4 C& U* J8 w3 h( a4 ~# K5 A             }
  M$ R% e) [1 X, @3 O8 l8 Z6 G: I) `             */  {$ v* c. w$ z! Y% a: i! I

& Q3 q5 V3 I. A% j) b  I3 L$ F             //Method - 4 202s) L5 H% M# A  e4 I* V; n
            /*9 a5 `) T  x  A0 p- F8 ?
            for (int jj = 0; jj < N; jj++); T' n. B& r5 ]$ r6 Q
            {
; g8 U9 c% V5 u0 Q9 U                         S& X; U; j6 _  c
            }
# p! I1 l1 G2 M( F             */1 T4 L, _* L( ~1 T
            //comment out all methods, N=100000  202s             3 P) `2 s. e5 v/ _( M( P
      }# S& C7 P( \  U. w
% P5 w/ A9 {- V7 [
      delete []b1;
% G/ U+ y$ K: h9 e       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+ _! c- B% {: ]3 K: \% E9 Q) U
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 w; B y) L& `+ J' a! u6 j; K
& A! s- B0 t+ {( |" 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
X" b/ s: `9 T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
- B2 J' | Z8 R' c, t
! N* H/ z* }" C& W* v" R: m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, S. h: i% n; E; [
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)$ E: q6 K% U% t4 C4 ^
{
7 H9 x/ b* s4 j 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