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 23:045 r' m' O( t* }* ^3 m
拉下来？拉多少？
" {) C+ G/ W- m2 C" J% H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
$ E& y# O5 R6 z1 ~$ b2 l3 l: C8 ]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
8 @# M9 W6 n7 Z6 Q# mvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
; J- l% s/ V% W1 y{: J6 c) f% h( a" i) t; @
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
/ @# s! e7 E9 I6 j6 Z, v这个不是这么比的吧。。。$ m" \ e1 Z- B# `7 G: @, m1 l' n

, S1 s- }5 i5 `) 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）。

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
- |' Z$ Q j' Y% c9 V9 a+ C# V有道理。
8 Q" |" D q# l- i {" [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
这个不是这么比的吧。。。; o6 \' u: ]9 @
1 b7 ^1 t. H: z) \ d8 {
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
/ K! a7 M p# Z" ^2 }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 {. }" c6 a- M9 O/ M
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
# [8 T7 R9 D- o9 I; \; M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$ O- i- @* u& H3 V& x% W5 [6 F
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 ^4 R+ U* ^1 r& o% d
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);
0 N7 q0 Q# S3 Z8 n5 O3 ~# G       std::vector < float > vec2(N);: e# z) ?7 A# ]( g/ I2 N
      float* b1 = new float[N];' p/ x$ a) T5 w  f
      float* b2 = new float[N];! W, r" J! |, R: L

$ Q. t2 {2 H* I7 v       for (int j = 0; j < 6000; j++)7 L: \" p9 q: `8 c- z6 i2 H7 f' m
      {7 z2 @3 `) M% U
            std::generate(vec1.begin(), vec1.end(), []() {+ C$ K! a8 ?) {# n1 ?7 {. A
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
- ]* b7 N. X- }9 t                      });3 o; o/ z* ^  }% F  X& q! U
& G$ C+ n+ J% e* v: d$ C# X
            std::generate(vec2.begin(), vec2.end(), []() {$ u- x! C% ?8 I, ]
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
, @6 l: ]% N* g$ ]' O9 d/ y                      });& ^9 e) H. a1 {3 ^7 o
8 G' y; p2 M# |' ~) t& m2 Q
            for (size_t jj = 0; jj < vec1.size(); jj++)
2 X% w# {& |: g             {2 s1 `% h7 s+ x) @* a' A
                     b1[jj] = vec1[jj];
. p. P' u. c2 U4 d$ c- V) x. f2 {             }
2 c& ]2 G, t2 q. t7 Y1 D4 z6 |# J7 U6 O- v9 `/ V. z
            for (size_t jj = 0; jj < vec2.size(); jj++)3 q" E: d/ y" u& D# S
            {, Q4 Q; l# A. e. g% M, A( S2 p1 a* n
                     b2[jj] = vec2[jj];
3 W, a+ v3 Q# P% U             }+ j4 p& A- h  f  U- }
" X9 k' ?/ L$ I; y  L
            //Method - 1  N=100000 247s  & d: t( I1 l$ V5 r
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
$ p, _- Y* k$ V" ]                               ! ^  y+ H! o: V% L
            //Method - 2  N=100000  237s
1 O# r" P; U& b$ [. B9 j             /*
" ?3 q' \2 }5 e% J3 |; J  V             for (int jj = 0; jj < N ; jj++)
- [& v2 w5 W% W" e; S' }' Z+ O             {( x( e, t. P# {  E/ ~: e
                     fresult += vec1[jj] * vec2[jj];
  F2 M+ Z0 b0 }; w, `9 ~5 D6 P             }3 K* n! l$ K& V8 ^
            */
: \! S- K  p) y: w1 T" b
4 d' @5 J  |% i% `& y             //Method - 3  N=100000 204s
; @3 o1 l5 ^6 Q, I. ~9 W             /*
4 U7 Y# q1 D: Z; Y, c             for (int jj = 0; jj < N; jj++)
& |: Y% }' D7 }6 V3 `" h3 H/ P9 e             {
  }" C; \, M! M& O* e4 O                      fresult += b1[jj] * b2[jj];
$ i5 }1 e( W1 h/ K3 `: b/ }1 l! {             }5 G' g2 ]0 ~+ ~. @
            */
& a/ X( I, I( ?1 K8 _/ M1 ~6 v; d. ]8 O1 ?2 q
            //Method - 4 202s
8 P4 g- s3 m7 _/ N* M             /*
. R& f$ b  w! e' R& s7 x- D             for (int jj = 0; jj < N; jj++)- Q, I4 \" H! [+ f8 f
            {
9 u- L# p2 {! p9 I                      % H: S7 R% E; J! ~  r5 @* r8 ]
            }" W. f* E: j" s; E! Z
            */, @6 K4 x$ x# Y- H9 X. Q
            //comment out all methods, N=100000  202s             4 h& u( }. F3 I4 [+ I4 O! b5 G
      }
- v; I$ w2 U8 Z1 l$ Y, `( `
+ [; C1 X9 z. u  B' }       delete []b1;& I- i3 Q3 S5 l6 o& M8 k  d
      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
$ H& S. O4 e( B/ k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？
2 h% d% p5 d3 u6 Z$ ~7 T% ~' ~9 Q
( h6 v2 _5 N. V1 z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
; D+ ?. q% j+ t& }4 {) ]- 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 T) Q a4 U) W' s4 P5 h

! i' ^; J1 q: M9 T. w! m" p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
5 ^$ L: S5 J1 @1 }0 z- a0 pvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
3 `. @+ W6 ] C6 T6 d9 W9 U{7 c5 C7 n |5 i7 k, a6 y* ]. s
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