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
5 _$ @6 h8 p% ^4 V$ E7 Q2 G$ m拉下来？拉多少？
! g x7 m0 K, E& u* D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
6 @! T3 L) f+ ~9 eMaybe 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* f0 A$ A; F& I* h4 T
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)5 k: m: U8 }* J" N# I6 ^
{% X& `2 p7 {) D2 b7 Q
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/ {7 U( p6 |) V( q! k: [3 w) |
这个不是这么比的吧。。。
* d: j% R* n' @7 P+ i2 Q; X% }, j
. U. u \7 j" | w3 W# ]! L6 h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
+ L' [. l* r V有道理。0 _% `! r: d* z/ m
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
+ V6 ]" d7 Q- I7 O3 p. O+ _8 k这个不是这么比的吧。。。
. G- H) B( Q0 }! G* z2 y' {
6 w; }) J1 X I) v5 m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
, P* \, w) ^! T0 b m* W- b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 01:273 x; Y' Y; x) @1 _2 N
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
3 d" H" O. T4 ~3 C( Y) W# E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" Q7 E4 \! O: {6 w/ O, K5 K! |! 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 ...

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) }. C% a( o. n. H0 B( r k
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);& S2 Q/ ?% t* U  L
      std::vector < float > vec2(N);
: [8 \: J& s. ?) ?( w- X, ~       float* b1 = new float[N];$ G- ^) I# x8 k
      float* b2 = new float[N];
" |" }$ ?& p! \/ r$ S2 r
. W4 Z: ^& J! d  @- n# R/ h) @, s0 s       for (int j = 0; j < 6000; j++)
5 W) d1 V* \  d+ f) g, y1 s0 ^       {' X: r; h2 E  ]1 M* C4 p
            std::generate(vec1.begin(), vec1.end(), []() {" d) p  u5 y1 w& X0 j' @' R
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
: D" k; _1 c( Y# y# Y4 U9 w                      });) d& k# P0 a* X6 m) g# g
- f# a# X; Z; |  ]- z( F8 q# U
            std::generate(vec2.begin(), vec2.end(), []() {
: m# z+ X/ ?2 Z& ?! \                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;( Q3 ^" ~0 @) [0 {
                     });0 s$ o) g9 ?  u" s& j, t* \1 C2 j

! g/ z% h* k) F/ n; A             for (size_t jj = 0; jj < vec1.size(); jj++)
) Q, A, ]" Y" l7 L             {4 H5 e, d; {2 r) t' S1 `3 J: `
                     b1[jj] = vec1[jj];- L4 \2 X, _! C9 H6 r0 N% o
            }/ h' [1 ~+ X2 t- M( v
* j( J2 T6 A+ x' w1 c
            for (size_t jj = 0; jj < vec2.size(); jj++)) Y, X. t5 {8 N0 J7 ~) q6 u
            {
% A0 o. M8 s$ C+ P% a5 @+ Q                      b2[jj] = vec2[jj];
, f; z. ^6 [* ~5 p$ x8 B' J             }2 C: p, h( ~3 m. P
# [% C: [: M+ G5 ]) }
            //Method - 1  N=100000 247s
6 @+ F- E6 U; l             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);0 o* h0 n; z/ \1 y. F
                              4 _9 T' @+ r  c/ s2 d# ?
            //Method - 2  N=100000  237s
6 U4 F, u" B( E- t% h             /*
! ]4 l4 t% P  c9 `             for (int jj = 0; jj < N ; jj++); e' t: b0 J/ b3 \* O
            {9 i, u" C- f% |- \2 L" H8 t
                     fresult += vec1[jj] * vec2[jj];
) O- _. `- C% l- j             }5 j: J/ `5 q  w- _
            */- Y9 U  |: Q5 g1 L- a* ?! a# N$ w6 w
                              0 z3 X+ S, F, A9 ?% J
            //Method - 3  N=100000 204s& G) R8 ~; }9 ~0 s* j3 r( |" A
            /*
! b& [5 D% q" U7 S" y' R             for (int jj = 0; jj < N; jj++)
0 Y6 J+ l/ X' ]             {
* j8 H$ @. n- j. w) x9 [                      fresult += b1[jj] * b2[jj];. Z# A! z" t9 Q  x& w3 d% I
            }; {# f! c( D! j' r
            */  o/ c' y- G" r1 i5 k

( K/ N; \; T8 Q3 d9 k. f             //Method - 4 202s
) Y9 ]: D: s9 P; x! V             /*6 r4 o3 s% y: H' h7 a
            for (int jj = 0; jj < N; jj++)2 o- K4 z2 e( G1 w8 J2 ?; G
            {( |8 `9 R2 m" J/ Z7 W& h! A& A
                     ; L' ^' u" ]8 t; q
            }7 \9 T5 Z/ x/ F7 x+ @4 v6 L( p, Z
            */* R+ I$ R; p7 C, v( f7 g4 i
            //comment out all methods, N=100000  202s
; Z6 w' B$ _) n. H) X% [' ^& @       }
- u- B* U: t$ b% `6 s7 V% w; v- O) U& A4 L, ?6 E. `0 O. ~5 I; Q' u
      delete []b1;- P( F2 _: L. E/ D1 p# e4 {6 u
      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
( c: M- E2 S: h. m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？
/ w( ~3 w/ ~2 L
6 `8 r9 H1 U0 x' o# e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 01:166 Q) X4 f& [: m" [
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
0 I. ]) x( U/ g# \0 C! ~+ ]+ D6 K2 `8 } 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 23:549 |; m( x3 [3 h: z( K
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
( |4 L- U4 A' L. h& g3 l{# ]% t& U. ~' L) `% C4 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