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 23:040 H/ k7 | N O: G( ~: b) f! ~0 O
拉下来？拉多少？0 d. G4 |2 `! u0 h0 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 23:333 D) G3 u8 k& B" J& l* z
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( n, B8 {4 w- ~0 U% _4 [( N* Z
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)2 F( }$ m+ @+ D& b R
{
7 R$ X, k" T% }8 U% q 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
) w8 [. z7 f3 [. u: l7 P f这个不是这么比的吧。。。/ E0 E4 s1 ]$ o6 K
0 a7 ?1 |. L; P2 Q, 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）。

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
9 C- Y5 f+ k6 l- L7 N有道理。
+ h5 u! |6 D$ q8 b. |9 Y9 i; r! X& J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
6 g+ z6 g. @7 R$ Z$ o6 N0 q5 {& g这个不是这么比的吧。。。
; |+ c0 O2 G: B' n- e8 C3 `( x. 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）。

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 01:483 F# y7 ?5 t: r! n* Z$ u, a
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 01:271 n- f9 Z8 [3 a( P8 l7 L& W! A
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/ A5 e' n3 d: P J
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
8 W/ }6 W+ N) I" @! ~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: h! C0 \8 W. j. _6 O4 }( A' X
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 o# x/ ]8 X
      std::vector < float > vec2(N);
! Y# m$ V/ \, Z- S4 t. e       float* b1 = new float[N];( d) @4 j) N) V2 {" @/ ]% B
      float* b2 = new float[N];
6 b7 k  g  Z0 e
. @3 f% o& q3 `8 e& G5 ]       for (int j = 0; j < 6000; j++)
2 d1 z5 r5 n: |+ N       {, D0 L7 v! u; L0 }9 M
            std::generate(vec1.begin(), vec1.end(), []() {4 Y  G& X& R5 C  ?/ ?
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
/ Z; \" W5 m0 B6 f/ t% h3 I                      });
) q# q# M7 Q0 P6 Q3 {# Z( B' \2 V
$ T, _+ W: a! ^$ D& E  @             std::generate(vec2.begin(), vec2.end(), []() {
& q' U# v& G) z3 \( [* c0 L; v                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;$ |3 y# y. x; G* A
                     });
+ j4 k& ~0 X  A4 O* U
& s- Q4 c% L) X" E% m5 o) n4 O; k             for (size_t jj = 0; jj < vec1.size(); jj++)
: s% T6 R$ u+ ~% W: I( Q# R5 j5 H' Y             {9 I4 F& w* k' ^: \
                     b1[jj] = vec1[jj];4 C; [: X( w; P- H) C
            }
0 u8 P# K& f+ q0 b, `5 @" }" J3 k7 S" @/ F0 N( n
            for (size_t jj = 0; jj < vec2.size(); jj++)) H/ Y7 W- F. Q
            {% ?( L* ^. W( C/ v+ \6 u2 k8 y
                     b2[jj] = vec2[jj];& d5 ^; @+ ?% E( s, X
            }& H& Q5 A! K4 k, e# u( s8 j0 q
! D. O! J& S: G, `& u  a
            //Method - 1  N=100000 247s  1 f% O% z3 m0 g  ~# Q! o7 c
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);( K$ }) `, x1 ]' b+ K' k9 l% g* H

7 `& g; n' q6 V7 ^             //Method - 2  N=100000  237s
5 [& L1 l- G9 \  y9 W             /*
( B/ J0 J( A: A* d5 _4 M5 W  u5 n             for (int jj = 0; jj < N ; jj++). `' b9 Y0 S/ F1 l
            {
) L( s5 M0 l/ N! n( n4 W/ u                      fresult += vec1[jj] * vec2[jj];
: R. t: }6 p$ ^8 G" V: g: {# @3 c( X             }
) T* f8 E$ v" y! l( D! Q) @             */
8 M/ b+ M- w9 K! P; ^9 I
- W( a/ F1 p( H3 E, N+ Z, ~2 F  j             //Method - 3  N=100000 204s& u. ^; y9 I3 [; ~& r+ Q7 y
            /*
% ^$ F2 y  c# ~( I             for (int jj = 0; jj < N; jj++). B- t' K% A; \. i* b
            {
2 a' u/ F% g% ~  ?" r+ c$ M                      fresult += b1[jj] * b2[jj];! ^, g, U8 f! d3 V' c; ^
            }
! [4 v5 W9 A' L" v1 Y             */2 ~2 r" u2 B& m, @( i7 `/ A/ f
8 k8 H) [! k! P
            //Method - 4 202s
6 o4 H: J& z8 g( z             /*
, B6 D  u+ h+ H6 d. S! I% m             for (int jj = 0; jj < N; jj++)
" X: I+ p+ o' ]. g; }5 |& g             {
) e( C8 `2 Q- h. ]6 b
8 Z# U/ `1 ~1 Z- E             }
8 d  B, Z% q' y4 T7 v0 V1 C! m             */
7 |' n7 `( N# t2 t) W2 C             //comment out all methods, N=100000  202s             ' s* u0 {* R2 I0 F" u* ~% {
      }! ?- Z) [4 J1 f
) f5 B2 H4 z) s$ p5 A
      delete []b1;+ p2 G* ]% j0 @, o. 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
/ x" r3 }5 o. B0 u# j2 d G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？
3 L5 G% I9 M1 R4 N5 k( A; W! `% ~2 y9 q3 k* |. i
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
& V) I1 G4 c9 ?8 F G$ Y9 X. C( I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
/ S9 B/ h) b4 ]' ]" l3 [
5 w6 i8 d1 i, r; ^( R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
8 ]* {* T) }# K! [7 X, N1 W7 G2 Uvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
3 K! K+ h# ?( f6 x' c0 r{
0 C9 Y$ ]6 S( J% D4 Y3 c3 ]; i1 _; [ 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