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% P! c3 W3 t! y0 w
拉下来？拉多少？
& v" Z" q2 M9 P! E2 U$ }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 23:339 v. \3 e+ q+ R5 ^: n1 |: L
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
B- W- {0 R2 Q) K7 W, E6 rvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
0 m; N" \( ~/ I# R" v6 W{1 k# M1 y/ P' a' `) E8 R: E
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+ \# Q! X* \3 _( r0 J9 ?" L, ~
这个不是这么比的吧。。。
5 Q& o2 E0 t! l2 ?" e; f+ r5 A% O/ _
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
( x' e& ]2 Q1 c有道理。
8 ]0 Z4 t1 R2 V( ?3 f( z! ~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
* ?5 N J% v/ o: F这个不是这么比的吧。。。
- T3 O: }5 U, ~7 R7 u: p, ^4 Y9 \% f- M0 t$ D7 C3 m* r; \+ D2 t
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
9 m/ h" s% d0 I# c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
5 R& D0 R# ^; L, Z5 T" \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% i0 ^3 i2 W4 A: z: X2 M& 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 ...

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' ]% F) W7 |/ X) f3 ^7 I
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 ]: W- l; n$ g& \) l0 d4 I( @
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);& O1 K* j9 T) D( a# C6 P  S/ }; V
      std::vector < float > vec2(N);, s8 E! m5 j1 T# S: ^( s5 v
      float* b1 = new float[N];8 g) z4 }" F9 m, c  ], G
      float* b2 = new float[N];4 ], h9 H( \6 B$ t

3 Y+ @( j; d( k$ B# u- G  `- q       for (int j = 0; j < 6000; j++). \- J# |/ N+ b9 u& ]  g
      {
# L3 F% x8 R! p9 T: R7 l' r( c             std::generate(vec1.begin(), vec1.end(), []() {# H% }4 j9 f1 x* U1 ?! \
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
; e7 d) `! {' W1 @% ~- F                      });
- ^- L7 O. B2 V% c4 l3 d2 B# p
            std::generate(vec2.begin(), vec2.end(), []() {8 y1 I7 U5 K$ H0 |. P# r6 o" l3 \7 r! }
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;# i  t0 z6 \1 \" f! W/ _9 F
                     });5 Y1 H. X+ ]; l( K9 j) h+ l  b0 N: Q

9 ~3 M$ e# o$ ^- F# P             for (size_t jj = 0; jj < vec1.size(); jj++)
2 U! `0 r/ i5 N3 q; ^             {( I% }& s6 x: j8 m+ g0 N
                     b1[jj] = vec1[jj];- `: h& [- k8 }% |5 D
            }
7 Y- K) \$ t$ s* y! [; i
  h0 W( V/ M$ t7 \+ I* u8 {             for (size_t jj = 0; jj < vec2.size(); jj++)7 P8 {* H, d4 N. t+ r+ z
            {
9 d4 j: r. V  i# s7 B3 I3 K                      b2[jj] = vec2[jj];% l% b# V( c! A
            }
- n; p. i$ s0 l" b7 E( q. L8 j( r& _3 r) T
            //Method - 1  N=100000 247s
# B+ ^% J# v! `" O% `7 p' I0 z             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
7 u+ l1 o1 ~( B& \  v6 B
, p! }  H6 R( H' H* d! W             //Method - 2  N=100000  237s+ d( t# F1 r5 l" n' B& ?
            /*# x, t9 E5 r$ K9 c4 I
            for (int jj = 0; jj < N ; jj++)
0 a, i! I. z6 r  m" b* S             {
7 L" A5 x! J( v# I. g                      fresult += vec1[jj] * vec2[jj];
1 N: [  C6 j8 w7 `% a* g3 p! K             }4 A+ s$ O' _# f! U# B8 p  }  b3 A. M
            */
7 v4 T" ?0 j' R, i                                 u: r" [" |  l8 \
            //Method - 3  N=100000 204s# ^  q: h3 _  \6 ^
            /*3 x/ T& t. C# T1 s
            for (int jj = 0; jj < N; jj++)
8 i& n, d" v. o0 C7 @4 {4 X             {# l  Q6 g9 H8 M" q- g. G( x
                     fresult += b1[jj] * b2[jj];9 Q7 N1 {% e# W6 R+ A" w8 M* z
            }$ `! x" ?/ [" @
            */, P0 M/ {& X4 Y& r1 {

! z0 a0 o# d) B2 l             //Method - 4 202s
. Y5 Z& n  S  m* w) n. Z# H             /*
3 Z6 r, x  P- F! H* c             for (int jj = 0; jj < N; jj++)
( g( U- W5 ?" f  K             {
6 K. F- B$ o6 q! w$ s# ]                      8 O, R  I  x: Q0 e7 m0 z" g
            }7 }6 I1 O1 \  C; L" ^9 N
            */6 G4 f  ]6 u5 I0 H6 N! N% N
            //comment out all methods, N=100000  202s
1 S  f. N. ]0 {$ h' J1 x% a' x; c- |       }
0 d4 ^6 s4 O( b* ^5 }0 E2 T
$ C2 q; w% e& L+ x       delete []b1;7 C: y0 d# J* ~; J- ?$ ?
      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
! j4 }5 v+ @0 \, `! Y8 O% p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？
( ^- A, u& j; c/ W; v/ H7 u; b Z5 ~5 V2 |) Z5 U5 B8 e$ j8 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# a% Q% R; U# p' R6 i
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
9 Y7 p. C, u! ?( N1 N% `" |* W0 @% }) V3 \
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
7 I" ~' B! u5 W, mvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)6 D, a8 q9 R% r. J
{9 o6 @+ | h q+ F+ O
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