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( F) P0 G! q* o/ ]1 p
拉下来？拉多少？2 j; D) k5 O% @- b5 U' R# V4 t- Z- 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 23:33" G- [) |: D+ `& a
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! J7 \/ y9 Svoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
; k6 j- w, L/ h/ e{" V! H3 P; F O( O% z ?
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/ @: P* `7 L% k" H$ ?
这个不是这么比的吧。。。
: \* T2 C9 }& K9 _0 N1 d
5 B4 Y z( t: G) a* 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）。

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 00:465 {6 c0 _4 J$ I5 V# S
有道理。: C0 t4 u5 \- Z4 C) a j: t$ J
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
S, T; N/ M& v这个不是这么比的吧。。。
, r- d7 b3 m @& \: j
$ K6 M" _% `8 E- X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
1 R" o& k# m- `4 ~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
) ~7 [2 @# N( `3 k1 B/ ^; ~' P& B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# K1 E8 S3 Y% T9 Y
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
. X7 v# n+ w" u* S( e0 }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 14:586 F% E. A4 b0 n Q" q+ N
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);
4 W% E; B' n, Z4 \* o$ ]# Y& F2 G       std::vector < float > vec2(N);
& z5 }: S7 w) Z/ K       float* b1 = new float[N];
- L& j- ~6 Y% B/ [- ^- d1 ]       float* b2 = new float[N];
+ _' U6 }/ ?7 r* {/ q3 z2 ]* U) P1 s& ]! T- i6 B
      for (int j = 0; j < 6000; j++)  @! k2 l9 Q/ P' b. D9 L
      {' }! T/ i4 ?; o
            std::generate(vec1.begin(), vec1.end(), []() {0 f! J  @2 p6 \3 o0 e
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
. y( T# A# Q! b/ t# p                      });
9 S1 c# q  ~6 v2 d# s
4 _2 b2 x5 B  D0 J             std::generate(vec2.begin(), vec2.end(), []() {1 E0 W+ [: n  Q: W6 z
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
2 Q2 s% s6 \( T6 O: W/ N/ e                      });
& r% D2 E2 N7 z6 T/ _8 {3 ]" ~. H5 `; P6 l1 }+ i( x  N
            for (size_t jj = 0; jj < vec1.size(); jj++)' Y. ~2 {* n$ Y, ?( u
            {+ @) v* V0 }% _, O+ \1 b- o1 T
                     b1[jj] = vec1[jj];5 X* A: T* }& ]- M
            }
' z5 f* X+ T: F$ i8 \
( v" \2 O- _0 U9 {/ \- p             for (size_t jj = 0; jj < vec2.size(); jj++)' C: P- N9 W4 m! z5 ?9 R5 ~, R
            {
9 f' ]. E! S3 e/ U. f! V                      b2[jj] = vec2[jj];
; I. K. ~- ?' g9 h             }
( R4 `, ^; V5 l" x1 Y" m) `  p6 c1 F% G. [
            //Method - 1  N=100000 247s
9 c! G. C) c/ H( w& Y             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);5 L( L# P& O& g! j6 R

! `; r& m7 }! W+ S             //Method - 2  N=100000  237s8 j& [8 h6 _5 F$ H' v) O9 `
            /*
/ b* t6 O" `+ D, `+ P& O' z             for (int jj = 0; jj < N ; jj++)
; }. o7 N0 H; h# u             {
9 [- z; l3 l: x3 _* n( c  {! p                      fresult += vec1[jj] * vec2[jj];$ @& b1 i4 A% }9 k6 ]5 ]! F
            }# k0 a' o; e- p  N7 J  w
            */
( U# A6 G' \! M, E" h/ I3 h( I' @
. ]! |7 ^5 F& Q% }4 W# z             //Method - 3  N=100000 204s( K# o2 o' i% n
            /*
* v) U# q) T% A& o4 m. d             for (int jj = 0; jj < N; jj++)) `1 ?. J7 O0 F7 \
            {
. o( A3 d$ S: ]+ o' v+ h: D3 s                      fresult += b1[jj] * b2[jj];
7 |" F# w! r9 V( y; q             }
( X: s) ~! B$ ~             */* V" B7 @  R! a4 w
6 O: \' {! b! Q& G; k
            //Method - 4 202s7 _2 X0 Z% ]% T# c+ R- K
            /*
/ M8 I- \5 `# c& T2 a5 z             for (int jj = 0; jj < N; jj++)" J  q3 a# Y7 a# _
            {& G2 d2 s( }4 ~

* q1 |4 l1 \- @             }
' P3 H- [  h" U8 B, n             */1 T/ x1 E" F6 \0 D
            //comment out all methods, N=100000  202s             . Z$ y3 Z3 R' s  @9 E. z
      }
0 s. z( T* v3 X* d: M6 q! t
3 H" |# {6 G7 \       delete []b1;/ c. M, N2 I" E
      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 00:153 Y9 b0 o8 ^. B
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？: g/ j! a! U* r4 \- \
% h; F+ I$ A q \" y0 s
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' J- C3 x v/ L' j9 b
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
- C# q: P" I: o! \2 u9 J& A
" u( f4 B" Z5 [ U9 a0 |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
8 @ {0 x, T8 s: w) bvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)% S# P5 g5 c, e% Y
{( p& l; v! j2 H, i
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