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- B7 I! s7 S: o7 `) Y
拉下来？拉多少？: @( [+ J, h0 S* I9 X
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
0 X* B; |7 f1 o& D" `2 h& pMaybe 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 23:546 Z( i, L, r* ~3 y
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)! q0 o3 e" L, r
{
% H0 G. m1 ?/ V; X9 i. E0 g: 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
& h/ M9 I* J( ~$ _这个不是这么比的吧。。。
: J" {/ S2 p$ J( r& h- F: Z' `* U3 d% D F
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 O: `, m5 G% x+ c, T有道理。
% f; c: a# ? m6 u: v# q( O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
Z6 Q! D8 r5 r- b这个不是这么比的吧。。。
5 L. T* _8 T* }" x7 k$ I0 _ p
& K1 f6 ^8 B& v8 e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
. N( K5 Y) Y. a6 F+ r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: x5 v0 m9 W* Z% W' F* Z
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% C& d0 J4 Y/ r. p
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
7 A* l9 Y/ z# d, V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& ?) A6 X* O. X( J! W* X z
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);+ I( C6 l  w9 g7 `+ P' D
      std::vector < float > vec2(N);5 u) O; ]7 H4 j+ [# i, {5 T
      float* b1 = new float[N];
, D4 r' |7 e2 U2 i; f% Y9 b       float* b2 = new float[N];& b  ^! y- B3 Z1 l  ?2 @8 S! ~5 F8 |

( j1 Z2 T/ J5 N& Q3 k. e8 \& {       for (int j = 0; j < 6000; j++)
( I3 C& T  W, c5 H  [5 R       {
3 q7 Y1 Z% P5 z  a2 F1 r8 H             std::generate(vec1.begin(), vec1.end(), []() {
/ B: o' l% A; G1 V                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
5 E4 t" }3 J6 H: w$ u  I                      });
. L4 p+ E4 P7 @3 M# t2 o8 N
& Y! e. m. b. K+ z  x! j/ y             std::generate(vec2.begin(), vec2.end(), []() {
: n7 G% @' U/ R& s& ]                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;2 b: }+ S2 A, H+ u8 {
                     });
" }7 n) }. S1 r
6 Z7 O8 |$ Z( {" n1 c, f0 f9 ^             for (size_t jj = 0; jj < vec1.size(); jj++)
: Y0 N' g9 M* t$ @             {3 J  R3 n+ c0 |/ g; D5 N+ B7 `  Z
                     b1[jj] = vec1[jj];6 |( W1 O) v6 K2 y, ~2 c
            }/ N! Y& ~, b5 r: e0 ~' o" N

  v& f1 @: Z& n( _4 A, j' w             for (size_t jj = 0; jj < vec2.size(); jj++)
* m6 P/ ^( o. ?/ [6 B             {" l4 |) @: w' ^$ L& u$ S6 M1 _) `6 w
                     b2[jj] = vec2[jj];( ?0 s6 D( O: }! i1 ^1 ]. q$ x
            }9 J9 M( s9 e- d% w0 {, [
4 b. i2 J3 F: [, j- b+ ~( R; g% u  ^
            //Method - 1  N=100000 247s
& T# D3 l" [& G2 x             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);# J5 j+ b* c. p/ G9 x

- L  t! L2 N0 D; f# A             //Method - 2  N=100000  237s
( h3 Z1 _" Q$ x9 h. n; o             /*& T; x* T$ ^1 i. f
            for (int jj = 0; jj < N ; jj++)# x. o# y& T4 s, D: j6 ]( R+ L
            {+ I5 o; q/ J+ [! q7 L  n# J
                     fresult += vec1[jj] * vec2[jj];$ u1 T* U. N( X" e, Z5 W% {
            }' P. f9 ~0 P: k  S
            */
, f, n' ~( s/ ^5 D* n                               $ `" B0 z8 W' @1 v+ T" H2 v+ i
            //Method - 3  N=100000 204s
4 V# k1 z) ?, X4 G             /*+ H7 \! R4 `$ k; S7 ]0 l* n7 j1 S3 H
            for (int jj = 0; jj < N; jj++)1 p+ L5 ^& x. E! \$ f) I( r! K
            {
; Z# ~( q/ t3 [) J& t) i- x                      fresult += b1[jj] * b2[jj];
8 d4 [; Y* {3 C2 F! o             }4 c2 z; D3 i+ c4 w9 q) t
            */& o( p: ?3 h! b- K6 s

7 H' f5 J4 t8 a  n: d1 d             //Method - 4 202s
( h2 Q. r2 @) N* m0 T  j# {) T             /*
& D2 [0 y1 y$ \             for (int jj = 0; jj < N; jj++)
. g7 y) Y( t1 ]6 Y; E! r: k6 H             {# x  c; f/ J- n6 A
                     - g0 f+ C4 A9 l; [& d# C
            }/ w( E( x# M% u, F! l7 |+ m0 F. g
            */
% y9 n" ^7 {7 t4 _7 h: C3 v             //comment out all methods, N=100000  202s             6 W, Z& {$ M6 q9 S* d
      }7 ?  o9 j  @9 b

) b* }7 i! m0 }7 p8 r$ K       delete []b1;
1 J6 E- k2 F6 D; I       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
, R1 M$ w6 \0 r# z1 Q' L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？
( R- N' D9 y) g) N4 U& l$ B6 D9 I! m
0 Y1 ~" l6 f2 d4 V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
2 x: u* _$ G. k v8 }! _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
- K( B- i3 k, Z4 o; U3 z7 S
2 [- p& T* t! 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
: e O0 n$ H% J9 a0 fvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
$ m+ l' ]# k9 J: w+ T{
+ F, s! F4 u7 f2 U5 Q8 W+ J5 p( u# e 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