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* X: i h. y8 F拉下来？拉多少？
/ k0 u6 u0 \: ^. S( 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$ _( k" y8 W1 X8 ?2 o7 R
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
. s) |( r. X ]/ i B5 Tvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
+ l* V0 q- B, o2 Q$ U{
# G3 f! L# w4 k, }3 i# h3 N 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
6 n5 O7 n. R9 e, X这个不是这么比的吧。。。
' j( N( F j" x7 J2 I9 l+ P( |6 Q4 T$ r7 J
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& _9 h4 Y+ n6 b8 n- L4 P
有道理。
& h5 a9 {* Z/ j6 K0 k1 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
/ Y8 r( n- ~: m1 c: L" S( D这个不是这么比的吧。。。
0 W, S! W* {" a9 Y: y
4 a) p6 X; |0 x0 ^3 w8 i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# ?% D% H5 x6 a3 ^3 }( f
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/ Z) o: a8 Z2 e+ P# b! ^9 P
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 04:476 D$ d+ y6 c/ T- H& P, 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
/ V% d4 ]+ C6 U e* o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
K: u3 t6 u4 l8 x1 U$ A+ O7 k% v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);
" G0 l' O% w. m3 J% U! R       std::vector < float > vec2(N);3 m$ g! w4 |- I, b/ D; W  w( Q& q
      float* b1 = new float[N];
( `% ^0 M/ a& M; W  R       float* b2 = new float[N];
6 s9 x( v) W$ P! t' h( I- q- d8 {* Z) q* R  I" `3 c
      for (int j = 0; j < 6000; j++)8 A6 _/ Z' g* W
      {% O3 c9 l3 I; k: o* A# i' S# e
            std::generate(vec1.begin(), vec1.end(), []() {
, y, y" Q7 {6 `                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
( x5 G* L0 u) l/ ^2 d0 h                      });( |5 d( B% j& j5 c: u; M+ W
/ W9 S# ]. [3 N$ S2 b8 ]
            std::generate(vec2.begin(), vec2.end(), []() {! [) S5 a+ s  |. s) n
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
6 [' K" P+ w0 j! c; e5 ?& M& P                      });
& O; v' H! v5 P7 P% ]' s9 G8 S; w) i8 c7 Z8 ?$ x
            for (size_t jj = 0; jj < vec1.size(); jj++)
9 H: e3 C. }* C: @# R' V% B0 J             {
$ Q+ G5 j0 |6 `) A) p* L$ O                      b1[jj] = vec1[jj];
% Q) o! W7 Y5 y9 H6 v             }
8 u. R3 t/ i+ A4 A$ u0 y% w3 D8 V3 `% a
            for (size_t jj = 0; jj < vec2.size(); jj++)
$ h. P, v* X" X; Q. J             {
6 w$ l- ]7 a/ r* n" [                      b2[jj] = vec2[jj];
( p" Q' n/ x5 o8 z& }             }% x% m# f& F% p# i& f! M6 ]
4 O# ~4 t" b: U- ~0 _2 r
            //Method - 1  N=100000 247s  8 }8 d" |* P) V) }
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
. c; O* s, @: m1 G2 r                               % S8 Z, q8 p8 G  w) @
            //Method - 2  N=100000  237s* Q; P8 }3 a. A' R0 B) f
            /*, s$ c) ?9 B: i/ o; _9 j
            for (int jj = 0; jj < N ; jj++). ~/ A, Q7 I# ]! v
            {
' O' r% M8 }: ?1 z% B                      fresult += vec1[jj] * vec2[jj];
8 u4 R$ B2 }7 k9 S) m4 s$ V, P! |             }6 n1 N- Z& w; G9 R5 a0 T: ~. |) S
            */
( v9 _+ @( o* B1 X" a
9 q4 _4 |8 Z: r4 o             //Method - 3  N=100000 204s) y0 w) P8 A# E  J
            /*4 W  `4 `2 K1 N2 H* U# M- i
            for (int jj = 0; jj < N; jj++)( w) z0 Z& J! Y# G; }7 O
            {6 t' U! I" j8 v5 y3 o
                     fresult += b1[jj] * b2[jj];, b! a( i7 @( u3 _, M0 g
            }
4 d* P" W* t( K5 Z             */
/ S0 f, S9 G/ y& L+ |( X0 {! `
* c4 f5 Y0 l+ W% j7 A+ i             //Method - 4 202s( }' C8 K+ d) U1 [2 c( A6 }
            /*
% U) u4 B$ z) ?             for (int jj = 0; jj < N; jj++)
0 W/ b5 |# ^- X# @' q2 Z1 V9 W             {
% v$ H+ q: l+ e* K; A
$ x( g( y+ b2 S3 q: p' @( u             }
9 T& a" U) }& A             */
  I/ z; ~; I! `( ]6 J8 m! b3 O             //comment out all methods, N=100000  202s
  _1 I$ j; Z6 U5 u" v       }/ M+ |) \# w  S) Z6 y# s5 l& z- K

8 d. L  o( R) X% i* M+ E: B       delete []b1;4 H2 p! w: D) Q1 ^7 T# W
      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
$ Z/ `# V% `) J9 d' w8 x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？" E+ C# m4 {* K& m- Y
8 ?0 f" ?( T6 C5 B
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
4 ~; e. ]* ?8 `& Z! D# q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
0 N3 F0 a6 j: Z! @
5 d2 D' ^6 }$ @5 a, q' h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; G6 W) @, ^8 [/ J0 Y- |
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
+ ~8 g$ Z; t( W) D4 g{
. Y! T' m& Y" u& q0 Q6 W+ t 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