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
, v3 ?* s4 E/ x- D, }( g拉下来？拉多少？
3 ]6 c; C) D( O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. s0 ?0 j2 b' S" u
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/ `4 m+ n' B' u- Z
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)2 t! k% r* ?8 R+ j) ]# A
{4 _0 O0 Z2 m1 Y/ O
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
3 a% C7 Q( ^3 U9 u/ h) C3 j/ n这个不是这么比的吧。。。. Z% s$ e- y$ H. A" ?
2 I; D# b4 `) 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- |- f6 S' |1 v$ \5 d+ v" G
有道理。
) x' w" `, t* P; u" t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
8 d+ c+ p8 F4 e! Q7 Z0 B+ H4 z9 p这个不是这么比的吧。。。8 O. V2 N" g5 v" u' E
+ k% x) C+ X8 I, A' Z
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. P1 `8 N' N! T( y( u) i; f3 m$ 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
6 f9 @3 S5 H) O1 }9 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
1 u7 N. f( x( 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 04:471 y/ z/ i, u! X9 X5 E1 ]) \
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/ B; Q" k' X+ }& _. ?' c6 ?
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);
; N4 a5 y# i4 l! e       std::vector < float > vec2(N);
5 I- N: k1 o3 K/ s+ ]. b9 P       float* b1 = new float[N];
- F) ]% W5 \' X, g       float* b2 = new float[N];
8 Q4 b- O# k+ U* h$ R
) B- b0 r1 D# X       for (int j = 0; j < 6000; j++)
& e/ z: U+ ^# n7 G( b. H8 ^       {$ E: v/ Y5 K5 m( R$ s
            std::generate(vec1.begin(), vec1.end(), []() {
, y% D1 k0 W  u3 K4 b  t# x                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;% `. t; A- l! Z1 Y/ }
                     });
4 a% G+ d% b1 Y, I5 m% b% ?  H3 a/ e1 ], J" p
            std::generate(vec2.begin(), vec2.end(), []() {. G. c( o6 u( {+ p( B8 W
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;9 ]  x) L1 Y- {3 @% g% u
                     });
, I# V- C- b& M% m7 K
2 c" s1 q1 A0 Z# j# d1 a0 H             for (size_t jj = 0; jj < vec1.size(); jj++)
( J/ [) A! Z4 q, ~3 r6 H4 E: X+ p; H             {2 b( e. S/ R) z( z5 U
                     b1[jj] = vec1[jj];& u. }7 G7 d! F! z; b. O* I
            }
+ S* S" b9 H& e2 a+ T( b
: x3 e% Z/ y8 h  U4 O             for (size_t jj = 0; jj < vec2.size(); jj++)4 A  G  p. N' I  c! X7 O
            {
  @: Y" s9 n( J; w: A- ?                      b2[jj] = vec2[jj];
/ F' L$ q3 y' w; L             }
8 k( P- b8 [" G+ R8 B) s; I) \& u2 V4 [" Q4 r) S) r
            //Method - 1  N=100000 247s  % N! x1 U1 C" |8 h7 T9 U1 [' m6 e
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
* Q3 y. {3 r! }# ^6 R
* G/ g, |5 E: b! ^+ F: g             //Method - 2  N=100000  237s- S( [, ~- X) ]$ s% G2 I% L
            /*
$ W8 r; |& i- j! U# x2 ?4 i             for (int jj = 0; jj < N ; jj++)3 B9 g+ e$ I2 N. Z
            {$ V9 @( B( K& ^' ?% g# ]* y
                     fresult += vec1[jj] * vec2[jj];: C8 u* ^; E4 u) z
            }
  l7 p* E  {$ D7 o8 F* n. R             */  ]6 q  T: f% q" y3 l

' a8 ?8 E3 s/ O. V5 a2 Q             //Method - 3  N=100000 204s
; p$ v% b. I2 ^0 D8 S% w# Q             /*
            for (int jj = 0; jj < N; jj++)" h3 q' a3 U6 U
            {: d& R9 |1 \( L( A# q0 l
                     fresult += b1[jj] * b2[jj];
% k+ n0 d+ `" o% g+ v- V* ]             }
( l: `: G+ [! u' B/ G             */1 c- I8 P' U5 J0 ~5 y" o! @

4 N/ R" Y3 f; t, P, Z7 D( w( ]3 }             //Method - 4 202s3 ?. _2 s5 q( h- ?
            /*  j# y& f9 V- ?# e0 |
            for (int jj = 0; jj < N; jj++)
( K1 K9 X6 T( K( R4 d* w* Q$ j2 {             {- C0 r" |0 O( @+ S$ y! Z

: H- N  u' X8 i, Y- ?- L6 ~* i             }# l. B$ S2 y/ k3 L
            */. Z0 Z9 \# I! M# D/ E
            //comment out all methods, N=100000  202s             & Q6 p9 Q% y& B8 G8 ~1 e
      }
1 X. [1 x) E& W- |' a
! x8 g# c& G& p2 d7 S9 K. m8 ~       delete []b1;
# h7 Q+ P# h) e9 ]# {' Z- Z. _4 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
' W" N- g. R4 _9 H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？
4 O8 j6 }( Z. h# }3 t6 J1 ?" [ y( r8 Q: Z) L6 {, J2 n. v$ 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
5 d; \4 l; f6 e1 G. h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
, V$ P) |% u' W' E% b% c; c0 }+ E6 T7 f1 \0 V' d
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
4 d: X5 V4 _0 p6 a. G- e: Avoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)2 U5 X. J$ [+ g
{$ s; S4 n- b3 c7 q
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