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$ V/ p8 A3 y2 I) F+ \3 X
拉下来？拉多少？
0 \9 d0 S9 ~- z9 t4 N% p7 _: 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, O0 P4 ~ t- R/ j- Q
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 23:547 D2 [& W" [7 I: _; W" C) J
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
) ?: T5 [( D/ }1 r. h/ c{! `7 x) k& D8 C7 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
7 h* @8 k8 B2 f N( _这个不是这么比的吧。。。
) N- B9 E8 z$ G& E2 M
- m% f5 y* ^) C% X( V6 k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
- d+ K+ ?- ]6 J4 `# ^7 X有道理。
3 ]! u' @. T. f. g# W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
- Q0 E6 |$ @& |9 B' y这个不是这么比的吧。。。0 h0 B8 L# J9 N& N/ b

' M* y- O7 j* p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
( Q, t9 n, e* k* p, t" W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 a% ^5 J! c5 N
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; v1 Z9 K+ o& ]* K5 }6 p6 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 ...

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
- z: M) l- I" N' L4 y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
' o2 ^& l2 X* }( W! 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);
; L9 t- ~0 E$ H: @       std::vector < float > vec2(N);2 O6 {2 w8 s9 h! T$ D5 X
      float* b1 = new float[N];
0 `( _  e/ S" m6 e+ Y$ q1 b       float* b2 = new float[N];3 a4 _# B% R% p+ }7 F! b+ \9 o; q
: v# R, L" `+ L
      for (int j = 0; j < 6000; j++)
* |# {0 C  e% X2 o* @       {
0 J5 R$ \, ~# f0 e7 G6 N) d: [             std::generate(vec1.begin(), vec1.end(), []() {4 j8 N3 v6 M8 P3 Z- M
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
0 A/ n3 f- g* ^1 D/ ~8 z                      });8 Y- P% G4 t, W- C# }
# j' I+ X9 P6 g/ _' _
            std::generate(vec2.begin(), vec2.end(), []() {
; \8 ?: a' U, C5 y9 h! k                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;+ k$ b. }6 M6 I0 q; ~, N5 E  d! _
                     });9 T# ?/ _% ~1 q* h& t
' L' g0 u& s( E3 l
            for (size_t jj = 0; jj < vec1.size(); jj++)1 I  V: X  e2 E% o" V9 @% \  W2 B
            {9 l. e: Q3 F- z' ?
                     b1[jj] = vec1[jj];
+ h4 b6 J, Z1 q, ?2 t& k             }* s. k7 }( T% F! `7 Y- y

. `% H5 e6 ~9 H! B- Z             for (size_t jj = 0; jj < vec2.size(); jj++)
; b( y4 a3 R$ Q, x             {2 e! z. q5 ?3 f( M
                     b2[jj] = vec2[jj];
. Y$ g1 y3 }- D             }& G" P! h; t# m# i3 b
4 B3 O* Z; W( Z3 w% |( U
            //Method - 1  N=100000 247s  2 J  P! {$ e1 R& u
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);& i# q# N: V- \* ~+ O# j: q
                              - R- B! Y( O& \% a! s9 P) g! ~! w8 _
            //Method - 2  N=100000  237s
) c( @  e, {' T7 T3 w  _6 L) @8 {             /*# b; K0 h* F- C2 ]; I. a  x$ x$ U
            for (int jj = 0; jj < N ; jj++)1 L/ i9 X( R7 E9 \& X
            {3 @/ i4 m# }. s7 }, }+ e5 }
                     fresult += vec1[jj] * vec2[jj];; O7 l: A1 H( q; m7 s$ ?9 F
            }
% A$ G3 l+ {0 l' _  B! d             */: d% s8 ^& V( c: Q7 Y' \
                              ) Y6 |, ?3 p( B5 v* n7 B
            //Method - 3  N=100000 204s" Z4 z  g7 I$ \; k0 f9 U
            /*
$ J4 U4 M7 a* X* i9 {* F, _8 |5 g             for (int jj = 0; jj < N; jj++)
! v. c7 r* l8 s8 C6 i# @4 A5 ^& }             {/ Z' N, j% t5 G% T  M
                     fresult += b1[jj] * b2[jj];, o! L3 i" B5 I( |
            }
4 R8 A8 c- y! S2 w) F6 `             */
6 v' ^/ {" M, N( t) a; {2 h! N
! D$ s/ R6 `1 W9 G  V7 q" j9 n' X             //Method - 4 202s1 S4 e! }9 |% n* B3 x( y
            /*
; e' [1 W' Y  T1 _" ~             for (int jj = 0; jj < N; jj++)
, Y, `( |  o# t  ^, ?9 u- O             {" k  b1 F- g. w7 P0 N$ h/ R! [/ k
                     & i9 N  n3 X( P0 o
            }9 q* D& g' V1 H8 ]2 `
            *// G1 f. E1 w/ y( ~7 L5 w: b
            //comment out all methods, N=100000  202s             . _0 O0 Q/ C% n5 s6 j( K( E
      }
1 A2 l6 _% l) N3 M. u# @6 _* [6 b, b' X% E
      delete []b1;
7 L/ L. F; V) r2 r6 O       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
S, X7 [* ~7 {$ `2 O, |# 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？
" _! _% C* k! N0 H9 T" Q: ~! N0 I" Q- _; o, G1 P
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% E- _7 I$ g; |
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
5 u' a' r3 k) o8 q
7 |, D2 b- h1 [& r- 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) Y; @9 A O' A* H) Q! y- ?" n3 U' Y
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
d0 e6 f, t( h- s5 s7 z9 o. n! v{
4 h: s9 d! N( I6 J' u: h 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