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
1 O; Z& h5 o. t8 ~6 A" B" O6 f2 w拉下来？拉多少？2 p; [: D/ [1 c. s% H' Z7 q% T! p
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
# B: {2 A7 {( D1 T) rMaybe 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& c) h6 @ O( c! O$ |6 |
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)4 L% k4 c, e# T9 J: Q( y
{
% A* ^# ?6 Z0 I. C7 W 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
# I2 p- C$ p( C2 h这个不是这么比的吧。。。: Y/ l: J: u- { s, u3 [! Z

& R0 x; f0 x0 \2 E1 B5 _. \5 o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
5 N0 p7 |1 [6 P2 I+ H; ^4 N有道理。
4 p- \$ S/ | X9 Q* h. ~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
- x# i, ?* \' B* z2 G. w这个不是这么比的吧。。。8 p: ^( C3 T( D. z" k

- [3 [9 v! {! }# o) L5 B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
@7 }: @) d6 ^6 _5 e: 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
& c3 H0 O! ~9 R& L" }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 04:470 D% b8 j2 w. J/ W" [) 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 ...

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
: p. L/ \' @0 q; u: ]4 ?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' f- O# k( T* v3 ?- p. @
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);7 H/ s. l- p. i4 F
      std::vector < float > vec2(N);
6 A* O  h7 y* x' e3 p       float* b1 = new float[N];8 a% O' l4 d' t: e  [
      float* b2 = new float[N];
, i' c7 b4 H9 E1 i. K% V2 R; F% f' A! U6 N
      for (int j = 0; j < 6000; j++)
4 j  s! z+ W9 j* W! @- w       {$ S. }) H3 m! ]( H8 P
            std::generate(vec1.begin(), vec1.end(), []() {
0 s: F% ?; E& A$ [$ `1 j$ M                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
% h9 D) z& ^& E& Y                      });
8 L, P2 o: h% Q3 |- E+ D: `- L7 Q, g% Z& d3 w  l, o
            std::generate(vec2.begin(), vec2.end(), []() {5 @* y5 z  n- e! H; L; |
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;5 m" T; }( l6 U1 u3 p; O6 R, l
                     });
3 m1 h( q! V6 P! @/ u
) |8 R5 h, J( j6 H' y" R9 ?. f             for (size_t jj = 0; jj < vec1.size(); jj++)
  O6 _, N; T+ q  f; ?" i5 Y: L             {
5 H# F$ n- ]  q2 j3 T9 B& {( ^                      b1[jj] = vec1[jj];
9 F* R2 T9 m3 b6 J, ]5 F             }1 v$ P) c' V8 _5 A/ `4 k- Y
# E5 ?) k5 r9 |, @' o0 Y3 f
            for (size_t jj = 0; jj < vec2.size(); jj++)1 {( C8 v4 ?0 m1 m' R# |6 i7 r
            {
3 H- z- P6 K# ~/ n- F. [0 \. _0 I                      b2[jj] = vec2[jj];
, U& U3 w. m# C/ g             }
# {- U) E9 s' y2 \, a2 P0 R
7 O2 m* E: h0 n             //Method - 1  N=100000 247s  1 Q" N2 S# N& S& ]0 l7 P) Z% r
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
3 W: E2 Q; x4 b' ~
" s# b/ L4 ?: D  `( {* S$ _             //Method - 2  N=100000  237s
1 l& h& ^+ L7 X6 U1 l5 p             /*
' r0 y& R# N5 |& P; ?$ F0 u             for (int jj = 0; jj < N ; jj++)1 O- }4 c8 o& R: M( K3 {
            {. ~0 n1 R, Y; q
                     fresult += vec1[jj] * vec2[jj];( A; A& @- O8 P& Q! w) s
            }
" w0 J& a7 M7 R$ A) k             */
6 Z* a' U& y4 @. u
' n, z) D) Q4 g4 n2 }" g8 K/ H             //Method - 3  N=100000 204s# q" W( `8 |! L( S/ R- s' V
            /*% Y8 t, r( u% |
            for (int jj = 0; jj < N; jj++)
$ F2 h' f( a: J0 r             {. r3 G0 W5 n* R" _
                     fresult += b1[jj] * b2[jj];/ U* R. {# Z4 |( Z, U
            }/ L/ m4 T9 r1 {5 S" g7 V
            */
2 k7 u2 m# t. @% e( Q% l5 A0 G, X! _/ ~7 I# D; R9 v9 X4 t
            //Method - 4 202s
4 \1 l# u! Y( `6 Y5 h3 U             /*
0 w: N* K( ]5 r5 k" o             for (int jj = 0; jj < N; jj++)
6 L7 ~4 u- _3 [) N* i. q* Z3 ]             {/ t1 f" ]4 A7 Q  v: n# I7 B$ K& B$ Q
                     9 r; A" B' Q+ U+ q# [
            }1 q2 N! V% g/ g" }
            */% G' l0 ^# P: d7 }+ ?- K4 n) y- ~) j
            //comment out all methods, N=100000  202s             7 d; ~$ ?9 X* P0 k  D
      }
: E) a& h& t' c4 i) ]5 i3 \. p0 c  @* _- H% y: \+ v" l( y
      delete []b1;
$ x  e( Z. C7 ?" x. x       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' r$ U; k6 }4 D5 _
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？- e5 x6 A8 C4 t# r: D9 Q% X

1 t) }/ S" y+ q3 g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" ?' G9 |8 v7 A; w0 F- d- t
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
1 v/ g/ f% x; E; Y2 ~+ U+ R$ \0 \8 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
/ ?$ X( l ?" Q0 z Y- tvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
4 q8 r2 y/ n Z( u$ y' o5 y{
5 M9 ?' V* [& ]. v 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