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
+ Y8 h) Q2 a# u拉下来？拉多少？
" v4 ~7 v7 L9 F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: m: D) t! C# WMaybe 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
5 R$ t8 r8 I w% Avoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
m( r! @5 l; h$ Y% A }$ G{
+ [, e; T$ `5 I8 ~ 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 00:206 c, K' j1 H+ f0 }
这个不是这么比的吧。。。
: X/ @7 t& T( M+ s6 f1 H" H# w! K! u9 ]& Z7 ^, a/ 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 00:468 N* r3 }! K. j/ W. ?) e7 u3 g
有道理。
( h: i, y7 t; m/ E$ ~( s; }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 00:203 D  [; w' @. m) Q- z
这个不是这么比的吧。。。. @+ l3 O# V( s  G2 R+ f0 o

  U! t' N' s+ U' M  _  c/ @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" z0 A2 U* }$ Y- X+ K. Z
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
9 t: M' H3 n e/ v0 R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 04:477 {, y4 f: R/ {( H0 _ 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 04:479 v. C8 X0 Z$ f' k/ P
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
' m% C2 u5 R$ }, `0 [; W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);! s% I6 \4 ?( ]! P
      std::vector < float > vec2(N);
% O' a. L/ N2 Z4 U       float* b1 = new float[N];
0 ?$ Y3 E1 t, f  Y/ Q       float* b2 = new float[N];
1 Y( |5 t) K/ Q3 c! v  U- U  E  e: m5 u0 c8 G: v
      for (int j = 0; j < 6000; j++)3 v7 t4 x( b, ~, d$ }
      {
  v8 x: I* P' k+ h# n             std::generate(vec1.begin(), vec1.end(), []() {
* _! A0 Z( v: U6 s7 }$ Y$ ]% r$ w                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
" j9 M; a% `! j2 C8 J7 P6 Y                      });
) o6 J' H# z2 |* m. U# _! f5 ]; \
* y6 g. x( _. s- l8 e             std::generate(vec2.begin(), vec2.end(), []() {! ~% e1 u- O- C) @, H  f# B
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
8 C4 q3 W3 C! N                      });  y( r3 k+ z% @. X. d

2 n5 w/ C- I% q             for (size_t jj = 0; jj < vec1.size(); jj++)5 L- }% A6 _4 ]! H+ K- S' N- P# |% _
            {% s) W1 |4 H  ^9 d
                     b1[jj] = vec1[jj];
$ h6 ~# M7 M6 [3 O8 A             }
# O( u4 b+ P  w
6 W" D0 {; E' C; v/ b             for (size_t jj = 0; jj < vec2.size(); jj++)
0 g2 y& @2 l  W+ R             {8 u7 @# [# J9 K
                     b2[jj] = vec2[jj];
* b8 b& [# q! ?8 ^. r             }7 f; W& R' J* w9 O. o
5 r# V  ^1 A7 {1 z  v9 ]
            //Method - 1  N=100000 247s
+ {: A! Q+ f2 Z; `. p, V             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
. R8 M- {4 ~, l4 \7 b4 {
3 m5 @* C" X! Z, q1 F7 D             //Method - 2  N=100000  237s: P1 T5 v7 x" c) W2 g2 V
            /*/ y7 W- f! H( w* ?: V! f, f
            for (int jj = 0; jj < N ; jj++)
9 B* y6 ^; S1 B7 }* B             {
$ |1 F' p- x: n2 R& J, v9 I                      fresult += vec1[jj] * vec2[jj];
$ m6 C7 k( Q3 M1 ~             }
3 g, e, |+ a, [" G             */  a# a/ i8 R# u3 d2 v5 M* U5 A5 I* x

- T" E3 M% N4 M( M5 x             //Method - 3  N=100000 204s
! q1 [( q! A4 z8 U8 |             /*& r/ |. N& W# ^) k9 \
            for (int jj = 0; jj < N; jj++)3 F' ^! q, q/ j; E3 w5 w/ h% Y. f
            {& y3 m; R. Q  I+ {
                     fresult += b1[jj] * b2[jj];+ z% J1 ~0 V3 I( T1 o: O
            }
9 P: L, n. W% x& Q- C+ w             */: u8 v- D+ V: v6 [* d( J/ I

2 j1 e5 s  |0 l$ ?             //Method - 4 202s
% r" l" o8 x& q, q0 c             /*
4 W5 S: g8 a# P1 O             for (int jj = 0; jj < N; jj++)
$ |8 _  _/ m/ n7 X7 N             {
+ c$ S1 A; }6 Y2 i/ L; u& @6 j
- ^  I4 m/ f6 s! K$ s3 l7 }             }
& K6 o% E: y( c             */
3 g# X& o$ T" H2 D% A1 ^/ V& ]/ U' u             //comment out all methods, N=100000  202s
1 u" D+ i& i1 k- _; E7 _5 m       }; S( \8 m% F# ~
: s4 M5 E4 L7 G1 b! x- l
      delete []b1;
3 C0 J- b1 @9 j( a, i- 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
6 N u1 ~# K5 |) f2 ^) 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？& K$ ~6 ]. `2 |0 J5 A
% ^/ ~2 E. b, y2 f' S% l
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
/ {7 w0 F5 B" I% N% v( K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 p5 b2 T/ a& O: E, E/ `1 f
! v# }0 \+ K7 l5 t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! m; X% F4 M# ~# c6 D$ q
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
" q& \( X% F; z1 g% Y{/ u$ k3 j0 I, |( D! j' u+ L; A
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