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 23:046 \% z( i2 Y3 R8 a" Z# h
拉下来？拉多少？; Y2 g+ S; D F4 u+ }) j% o& M' a
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
3 A, C5 d, h! x: T/ J, ]% LMaybe 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
# q$ ?( a6 w9 q7 p5 dvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)# n* X6 I, o) p8 `0 c
{$ W$ T& t0 d" o: n+ X
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. r1 F5 W) k/ E `/ W; K, l
这个不是这么比的吧。。。
" w* l( I" q) q9 o& Q# ^. o$ \' f: P8 o2 {( ?
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 00:468 ^: P( a; [8 Z+ Q; @/ K/ g7 Q
有道理。2 p5 E* s5 |! D; u2 L
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 00:200 [0 F: {0 v6 j$ j. }* ~- V, k
这个不是这么比的吧。。。) t) i( V' d! @6 g# m) F
- l4 Y! u+ b. J" v& F4 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）。

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 01:480 x9 O$ d+ a: E" J9 n
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/ e/ r4 @! B# P8 u+ T* ]: O* F
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. e6 O; S1 H: T `3 D) {( @1 J8 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
\* N6 A& D9 `- ^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 14:580 r1 h$ E3 C! y5 H% i6 K9 [
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);# h" C) N: F9 A5 ?; O/ {  D$ n
      std::vector < float > vec2(N);
2 n5 S& J6 I+ ]* M7 Y       float* b1 = new float[N];
- x; \  R* Y6 v5 c# y* L( J       float* b2 = new float[N];
* s) v% P( ^2 A3 D
; P5 Q$ Z' Q# T9 c       for (int j = 0; j < 6000; j++)
4 D2 I* d% I% {+ \% I       {
4 s" c3 V7 }. C# {8 {             std::generate(vec1.begin(), vec1.end(), []() {
, D* v5 d6 X+ L2 h  m9 M" T                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;  X; `4 n$ w% B5 Z
                     });$ \5 W; W7 @9 I0 I4 D
5 r! @: h& C4 [) z8 w( K
            std::generate(vec2.begin(), vec2.end(), []() {
9 T% q$ w! U& f0 ?! d9 P) s                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
& m% @0 n: K* k  ^                      });
5 M) a& a6 _1 D& f9 _0 w+ F! a$ O, w6 p. l+ [& o4 f
            for (size_t jj = 0; jj < vec1.size(); jj++)
9 Z( p& n) |7 z' H             {
# i# U( [& E9 t                      b1[jj] = vec1[jj];
4 _! I- p% \" E7 X6 r4 E             }
: r: R+ Z+ G! V" Y* i* e- k! M) K8 f
            for (size_t jj = 0; jj < vec2.size(); jj++)6 T6 Z1 z! S( N# U
            {
' u7 w4 f; H& }4 v" T. O! p5 J                      b2[jj] = vec2[jj];) o1 X6 d4 b6 G' w1 c3 d
            }
+ U$ a& a& F& N/ d8 x
% T# I5 M* Q! T9 b* C7 H) p             //Method - 1  N=100000 247s
' c7 ]% m7 V7 ^, ~  `             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
" h  V/ s# l  l! i                               4 T5 D1 C- H$ V7 i* e' T
            //Method - 2  N=100000  237s- s0 ?; _( B: }- v5 M, ]6 C
            /*4 i% I( g# z+ i3 D0 w
            for (int jj = 0; jj < N ; jj++): L# I' ?$ ^- K  s
            {7 W9 X6 I8 O' \
                     fresult += vec1[jj] * vec2[jj];, \3 {7 l1 Y9 w! c" l( {
            }& D+ b( R) U3 d+ o% ?& K
            */
. {/ R2 k- C1 @( b  |* F                               . {6 L5 n, Y- j
            //Method - 3  N=100000 204s# [# F! t6 Y; V9 [. C
            /*
; v9 F) [' W4 n1 d4 y$ d             for (int jj = 0; jj < N; jj++)
2 H6 m6 T# ~5 b             {
% Y) s- v1 d% o                      fresult += b1[jj] * b2[jj];* d5 p( N' V) S2 ]  z
            }7 C5 C' O6 N8 _/ A
            */
8 w4 X* d1 t4 S, D5 |5 A
- {6 [% U/ }8 M$ a% _/ U             //Method - 4 202s
$ D7 Z# n: c1 b- ~; Y  U3 z( D             /*
8 ?1 ?, {+ L! r$ ?4 d             for (int jj = 0; jj < N; jj++)
: H, q6 \7 F; E, d5 x9 e0 }             {
# s; V# a: p4 m" h
' v" I- q; l/ ~' x8 y             }
2 d- c% _# [! @" h- U5 i             */
1 }9 E0 d( Q% H( I6 }& T6 Q             //comment out all methods, N=100000  202s
0 O* d9 P  ^; q; }  Z- B/ l- P5 p       }) J& a& X$ D- a
4 p, A1 m5 Q' A' u: H  J, t
      delete []b1;
- F4 p5 X( x7 l6 X       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
0 _* u, `4 Z0 i3 U* R( f. C7 o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？
( F: g6 U f- k0 u; ?# F( t# i# T8 F
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" ?8 i* l" t ^; _2 A3 e
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 ~+ x, y2 J1 m5 G' C
, y( h( j- D$ n" E, y# z) c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 23:542 R" w' S& `6 r) t4 _- W# _
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)2 [9 d q+ `1 G; y) U5 |. v
{
8 a& J0 g/ j8 e9 r5 m 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