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
. W! i0 v" K. k2 y" i拉下来？拉多少？$ M9 u* t! G4 y3 m D& w! y
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
* t3 T0 G. A7 R: j7 \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' j R) r4 J" i; F' o
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
$ M; a8 w6 e% N/ R* i: t{
: }# P* w& Y; U 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 00:205 U g! k2 u/ F! W
这个不是这么比的吧。。。
; F! B- Q9 E% n- v$ x2 v2 c1 z2 Q* E, r; ~
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' k7 y6 g( J, y. q2 b J& W
有道理。" |, c+ H! |7 V- q+ H2 K2 u
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) ^7 }; E# v# N' {; y% I, `
这个不是这么比的吧。。。
- p8 F- x+ I5 [1 H+ l5 ]3 y e+ ]5 h' Z9 _+ I+ f& \, 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 01:481 L; P5 Q) ~4 J/ q( U( _4 Z6 G
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
* `# x3 J9 s {$ l8 z6 S9 C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
+ r* a7 B) R% L" s3 W) [& {8 F+ l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
' N$ b+ D+ P4 n& h8 C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
* Q) b U& Y/ ^* x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);
6 K9 O) ~4 v) c       std::vector < float > vec2(N);* M0 U0 }' M* b7 X6 z
      float* b1 = new float[N];  z% A1 h' H2 ^0 O
      float* b2 = new float[N];
( Z) [5 |& d6 _& W1 i3 u) ^# Q( D: s- c# Z4 X* K: a
      for (int j = 0; j < 6000; j++)$ }6 ], Y" O8 k- V
      {
            std::generate(vec1.begin(), vec1.end(), []() {
& W: r/ R5 ?8 c9 Q1 T$ k6 Z5 G                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
' Y! _1 m5 U# q- d/ F                      });, E' K# R4 c" P4 b+ u" M# b, k. U6 j* O: Z

+ [8 m8 r/ e; a2 h3 `             std::generate(vec2.begin(), vec2.end(), []() {3 D" t6 C( i! S* s
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;5 R3 n) F( m9 }. T
                     });- @( ?  a6 o& C! E# T
7 S- e* @  Q1 I* ?; \0 u7 W2 Y
            for (size_t jj = 0; jj < vec1.size(); jj++)
; o2 I, k8 K. j' @2 N* |) m             {
/ `/ J6 ]# n* z7 u; _' M0 _6 c0 L                      b1[jj] = vec1[jj];
" Q8 `, O# x+ U9 V8 u             }& \- V% G+ {5 Q- a1 t4 Z) ?
) t- x! I* u) h- a, j; \
            for (size_t jj = 0; jj < vec2.size(); jj++)4 f0 J+ @! Y  [4 j) w" y5 H& p: X6 n
            {9 Z/ C1 V. \, M+ z9 a' [
                     b2[jj] = vec2[jj];
: O; O% v; L- ?7 V             }
# b2 L' [) K6 J* r5 F: d8 R$ R( j4 l) E3 N% d( Z+ ^, R! t
            //Method - 1  N=100000 247s
6 @! h' M0 l" h7 z             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);7 Q, \- I) J* b; }) x; A6 \* I

/ ^1 ~/ C6 z, S* L! V             //Method - 2  N=100000  237s
( Q$ x* Q" X( `! I% f7 A             /*' Z$ l& ~8 k( o7 Y
            for (int jj = 0; jj < N ; jj++)4 B( v" ?0 t0 R7 i8 e" q! Y/ S# ~0 I
            {
0 B0 M( u# h* {) `: n, ^2 {5 \( G8 Q                      fresult += vec1[jj] * vec2[jj];& q4 h. O7 }% o+ I1 a7 R, P- q
            }2 b( L) O( `5 r
            */
; S% o" y6 {8 V  a: o
! m9 q) R! \3 M' ]             //Method - 3  N=100000 204s) j. S- W, E$ b; y* Q, |  u
            /*2 O0 w+ h! B$ g
            for (int jj = 0; jj < N; jj++)* m2 Q5 b+ u2 I) A6 L  w
            {/ G; }8 Z4 F9 N" v3 D& K; f' H
                     fresult += b1[jj] * b2[jj];
* E5 v  N1 l- r5 [' U% o4 l! x2 v! s             }% O2 F9 c/ n5 P8 u, N- M% a
            */+ K. k; s0 N5 b) V& `) L* D0 C
& e6 w* j! R7 Q" [8 B/ g
            //Method - 4 202s
; i0 \. i( n- c. _             /*0 [2 c% Q5 B4 i% {, V* X8 [# s# @, t+ W. |
            for (int jj = 0; jj < N; jj++)2 T5 v+ T% U3 |. O7 k
            {
% @' ^6 w! z( I1 i6 Q                      5 d+ e9 r2 W5 l: |' \. @# k6 S
            }# D1 w2 v& G6 q  }8 F
            */& t! h8 |% E  O" o+ H6 W. U
            //comment out all methods, N=100000  202s
. x5 y. H# T% K$ |, b) ^+ J       }
7 l+ d! s# z  Z+ ]
3 f8 x7 q# `! E/ A6 b( s8 t. s3 y       delete []b1;+ H, y" U  \5 Q
      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; {/ ^" ~# \7 n
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？
8 ]* D4 C j7 Z% n$ ?! Z
% x4 H0 P) L0 Q8 ]4 q1 \6 T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
1 v; s% g- g) \" Q& h4 u8 j1 B6 z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 W# n/ g% x! \" b; ~# S/ Y" e' Y9 Q. i3 t# M: H' 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
5 |2 H3 G" U( c6 p- B7 Lvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)3 y- l5 C, Q, y! T; f" O
{
1 s% ~1 ?% h+ v 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