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 23:040 @" W" |9 K" {
拉下来？拉多少？/ i+ x, B! t, T" O0 T* j0 E- m
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" c4 c+ W1 J& G, m. i+ P
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 23:545 @1 Z% F5 J! H. z
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)+ ^* e, D6 F1 K$ n
{
" n- I1 O' j$ M0 _2 \- p* C 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
$ N0 B4 o$ \. a; i这个不是这么比的吧。。。. y, G" a! Z U6 t9 k1 Z3 }

. p3 t7 N0 d" t5 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）。

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" R2 W0 m8 R8 M! g
有道理。
8 t" V* ~( {8 B1 S; 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
- `$ U' A# l/ g3 V7 y7 h这个不是这么比的吧。。。
9 U& k' Z& a& \; T1 l5 V: q( C) O2 G$ \' v
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+ C( x) |4 | l5 J3 Q1 u) r, s+ y- 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
0 X4 Z# q# |9 I+ k3 r/ \* 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
% [0 C8 d% {' z3 l 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 ...

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 w% n g: X3 R& u; X0 l- E/ A% f
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
9 `8 ?( Q0 G' b& [ k2 T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);5 z7 J1 L9 a& ?+ f. h7 A! M% F; d
      std::vector < float > vec2(N);2 j, d) U: E( {
      float* b1 = new float[N];
  o/ f; T( t" x5 P7 e       float* b2 = new float[N];# V4 q" U  ?3 x

! i  W* s0 ?$ ~8 Z# D       for (int j = 0; j < 6000; j++). i9 q$ `* e) o6 D# m, z/ W3 s
      {; k* A) x; O- f1 ^( ^5 {5 w& |
            std::generate(vec1.begin(), vec1.end(), []() {
4 M: V* [3 G. H0 ^                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
8 W  @+ E! y4 a! B9 D! j* k- g, M                      });
1 x# N9 h5 a# ]0 J' d* r" i3 S& F& Y* U2 Y* U3 R0 x4 c
            std::generate(vec2.begin(), vec2.end(), []() {
, g/ F5 ]8 I: {* T3 T                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
& ]; _* b! [: |- D0 ~+ A% ~                      });
' `) _& M# P8 K% `
+ Y& U8 `% }+ [$ l- Q/ @+ p             for (size_t jj = 0; jj < vec1.size(); jj++)
" r% X3 W! u5 X             {
7 {2 M- Y  k% I+ ?. w2 ~6 b                      b1[jj] = vec1[jj];
) V# y9 _2 M5 q: J3 ^             }
2 F* Z. L2 V. T3 Q1 }* y8 s# Q$ M2 I9 D7 D3 z4 K
            for (size_t jj = 0; jj < vec2.size(); jj++)" s. l, l) r2 l2 J. C5 W9 n
            {$ o0 q# u( ^* s, W/ X
                     b2[jj] = vec2[jj];+ Y7 b3 E/ e4 P1 x
            }/ A/ D2 A" f- w( o; n- U$ b5 c

- V' e7 P4 m+ ~             //Method - 1  N=100000 247s  : Y% K2 x1 S; o
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
  p% X$ ~# j+ z$ I. I, P) n                               , Q- R8 ?- o- c& e" [. M8 k. c
            //Method - 2  N=100000  237s: {) ~  L( Y5 V+ T+ x
            /*. H4 z. A: B" s2 L5 P8 g7 s1 `
            for (int jj = 0; jj < N ; jj++). g, J: V: ]: |1 B$ A' Q( L- W
            {- R# n7 |8 \( }
                     fresult += vec1[jj] * vec2[jj];
6 K$ w1 g# N  T. \6 l3 N             }
9 w- H9 s$ F$ U6 N$ q. g             */, G" [& d0 e1 P) {! s

/ R# G" S* M* \2 z  ?             //Method - 3  N=100000 204s
+ z/ j2 v$ D- `! J( a             /*
% _3 O% v) J" S! `! Z: c$ j! {2 n% h             for (int jj = 0; jj < N; jj++)
9 _/ ^2 |, E' ?$ c2 H             {5 Y2 w, R+ w- {4 Y
                     fresult += b1[jj] * b2[jj];- K- H/ m( J& N3 V: f, d2 I/ [/ j$ G6 c
            }
) y, T. w1 d2 s9 O             */
4 N: w' ]8 F8 E+ \, N0 X+ N: J
( \  W5 L2 ?8 O! ]/ {* c/ c             //Method - 4 202s' q: N$ h" f" U/ f7 H* G
            /*
& |& H( g$ m  |2 ~$ e; C             for (int jj = 0; jj < N; jj++)
) d, z0 {2 k+ r/ ]( [  j2 q             {8 ~. Z' t! @2 y$ _& _1 C! O
                     % R& f5 [5 J5 \- a, S1 M( T
            }5 Q% |& ~' u2 a' j$ L3 \! P
            */
+ j7 {7 C- a. @             //comment out all methods, N=100000  202s             7 R! V! q/ J2 Q  p/ j
      }: ^( Q. }+ b9 W3 y

8 m( _, Z# F$ p6 l4 k; t+ J       delete []b1;, v& R' K% U, Y9 Y
      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; W" a8 A/ |7 V0 N: d/ f+ c
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' Q7 r5 V7 D5 Q. w H. H( {) Q

) U2 M' f( Y' D+ J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% b0 t; e* Y+ ^- T4 [# v4 \
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
; P3 Z9 o+ K; k" Z- C% K4 m
) I. B' B7 i/ A+ c1 B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 23:541 T4 E! w0 c1 r% Y5 A
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
2 v( e, a3 N) ]) Z, q6 @{
8 y# t$ l6 J) z' U" n: |& p( r 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