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 e; \8 {0 t: C% Z0 o
拉下来？拉多少？
: v9 s* u$ _% T* B$ F) Q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
0 t' L# ` X& \- v7 VMaybe 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
# H3 W, T; {9 E+ z4 Z! Lvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
# e x1 S+ D9 V% u N, b# P3 Y( P{
* U* V x8 |* 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
, h0 U; L+ V4 v这个不是这么比的吧。。。; x# L5 I: ^- N' {

/ p4 o2 j4 Z7 q7 \! C$ H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
) k) B M# o1 x# S有道理。
3 l4 ~& P4 ?8 U, _; 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 00:20, O4 g; @7 A, p
这个不是这么比的吧。。。0 R7 R- D# l% [2 g

) e m) j8 t% L- E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) u. c: u# A. S; C" r4 N, H
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 T1 `8 U2 C$ h+ ?1 Q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
) _3 b$ G6 S3 K0 V' q- E2 _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" R4 I5 A5 I- S, c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
, V: N& E4 o) C' J/ o) I F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);3 |1 T. z0 m' S& n0 B" L: S0 w
      std::vector < float > vec2(N);
# H$ d2 @+ B( A% V7 z8 L6 b5 ?: l       float* b1 = new float[N];1 n" {: R' U2 F. l* C' j4 G
      float* b2 = new float[N];
# i! y* A" }/ p4 i3 ]8 F& i' F- x
" W0 t4 e5 s) N# o, j       for (int j = 0; j < 6000; j++)$ A/ L6 `9 a5 k& o- |# U
      {' t, i/ Z* w7 y8 @8 V* ]2 K
            std::generate(vec1.begin(), vec1.end(), []() {
0 E: R% h5 K3 X; D6 @8 u7 r" b                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
8 ]5 j% e9 G  e: j                      });
8 K% S! e3 W' _# n- v5 C
1 G: I5 i4 ]+ w1 p4 X2 e' g9 q             std::generate(vec2.begin(), vec2.end(), []() {
' x# E- v8 ]# N9 ]  F                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;) q8 X% [1 [. a3 M7 U1 p: U
                     });
) R: l  |$ c$ x/ u8 W2 y
+ [4 W1 D/ A$ n# y! l( o             for (size_t jj = 0; jj < vec1.size(); jj++)
! P. o  h3 f9 l4 ~             {" q* O: H* v7 C7 `: ^* a
                     b1[jj] = vec1[jj];1 L4 j0 \" |" Q1 n( P
            }, T$ U  Z3 H$ y

9 w8 p1 t/ y) p5 n3 n             for (size_t jj = 0; jj < vec2.size(); jj++)# V  ~6 e4 U9 o! A4 C6 A0 [
            {+ b; A) A! }; X7 k
                     b2[jj] = vec2[jj];4 D1 r3 I$ Y" C
            }( \* y* _7 C( ~2 ~, G  P
! ^' M4 S( f' L4 I+ N2 ^* I1 T" ^
            //Method - 1  N=100000 247s
6 z. i6 ~2 s' n7 o  w) C             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);. e) m; @. ^- U2 s

7 N* W+ ^# o2 M0 x+ {             //Method - 2  N=100000  237s
! K4 j+ O2 b, F2 |% a" [             /*
: H( I& Q0 @1 Z3 [3 g! o0 B             for (int jj = 0; jj < N ; jj++)
6 n% M, ?0 \, r1 k' Q0 f) B             {4 k5 A& y) K; x0 f5 Y/ |  X
                     fresult += vec1[jj] * vec2[jj];; D, \" V2 Q3 H: g# \0 m
            }
& y2 r. w8 E% {             */$ C& W( Q& T3 N3 P5 `0 u2 \
                              4 W4 \: s/ q# g; d* c
            //Method - 3  N=100000 204s7 ]( u0 x" a7 |4 f3 S
            /*
' {" i: g. P' D3 b$ s' x             for (int jj = 0; jj < N; jj++)( n1 t7 o0 F4 n9 b8 W' d" b8 j8 \' V( O
            {
" [6 \% J" [1 T1 T                      fresult += b1[jj] * b2[jj];
2 D8 z6 |/ @& P; @; C" \             }$ b7 W0 A4 s5 W8 Z( T4 D  }
            */
8 `! r+ t, t, p5 }* t% u9 z( c
$ G& I. `" s1 ^9 y             //Method - 4 202s
6 E* {7 G/ k# Z+ J) }; T: N             /*
* G# H9 X3 h( d5 g+ f2 _" k             for (int jj = 0; jj < N; jj++)
! [, \1 Y$ u3 l+ L4 A% d; f             {
4 U  a/ A3 Q' [6 O9 T( d                      1 x- o9 ^3 K2 ~) ]1 n4 d( B0 d3 Y
            }# ^4 G- H. |6 K1 X
            */% Z4 ]0 Q+ Z4 Y. a/ \, p6 T
            //comment out all methods, N=100000  202s
+ G8 L8 ?2 P. r       }
% a7 n4 l+ D% ~/ J- ^! a' K* L5 F
7 t. v7 a- |# I7 v5 N2 p" \- W       delete []b1;
      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 00:156 ?" s. e: F" p& B- @2 a  d' q" L8 M7 I
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？- r5 l0 Q3 D% L, \  M

# E* B6 @; _  o9 V" @" V; 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( u" l4 v C/ D- z7 p
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
/ L0 V" i6 n8 V. Q2 p$ _# y! H
( V/ w: l0 ^5 q+ S6 u$ m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
0 s! w/ P% p8 h3 L& avoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)) G9 N. t- q7 s- F: A G6 |( U
{
: V& R4 e6 b: D) N: R2 ] 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