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
. l6 r( X. T# [( }! Q* \+ s( {" k拉下来？拉多少？
" f9 E' {5 ]8 }3 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$ i! g* q& C& S! V3 @3 H4 x
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. t0 d0 G3 \3 t; P' K j$ m7 O
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
. ]$ ~5 q* h& d( e9 v{
0 P2 f+ d: S D3 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+ d* W0 M6 W9 \9 \! o8 @. K: O! t
这个不是这么比的吧。。。
! |6 j: a, {' G9 t8 K/ [1 O8 m8 n5 I! S! }8 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' Z( y' O: G; I: A! F t
有道理。
v, w# } k4 f) ~0 o4 s; }5 z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
7 S6 P. i8 f4 f' T+ Y6 c; P7 i这个不是这么比的吧。。。
( E& m* E/ r- [) s, p/ A; ^: F1 k/ U2 m
7 @+ I$ Z2 N$ d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
p) F: S' Z: I5 p0 {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' P6 s3 b; I, U- u
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& ` ?0 k; s. Z! `, l/ w' J& 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 ...

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
& `7 Q+ i; S0 ^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, ]" z! q& O- w4 y0 k4 w
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);' x5 e8 F, Y$ F: l) @% Y
      std::vector < float > vec2(N);
. b; e+ F* t6 o8 E" H       float* b1 = new float[N];
, @! A" a6 x. A8 {. `       float* b2 = new float[N];' X4 Z# x$ M# t) `9 g. V+ b) F  b

7 f' a2 F0 R) z! c9 s; l  V2 P8 [       for (int j = 0; j < 6000; j++)
5 O; w5 g3 U+ k+ M+ P. \       {
" b4 a8 k3 u3 m& i# e9 m7 D4 j             std::generate(vec1.begin(), vec1.end(), []() {
! {6 ]# K( k" n                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
5 w: T- L: ^1 x) {. \/ p6 C. p1 R: {                      });
3 s& e# n! p' H: p3 }7 J9 I8 F, D8 a# s0 Z9 {) n  I+ q
            std::generate(vec2.begin(), vec2.end(), []() {
9 x8 C- f* I( h7 s3 d0 Y                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
8 \( a# |" `7 J" T' U$ S7 R$ l$ m                      });
2 F  N9 \6 s: c; E6 g4 v7 V- `1 M# N5 M( A' N9 n$ ]
            for (size_t jj = 0; jj < vec1.size(); jj++)
* B( b" U& K2 Q7 K) Y+ {  y$ q" U& W             {! J0 j% a: d9 A% E  c
                     b1[jj] = vec1[jj];
; h- m5 y/ l* X' r             }/ W4 ^# c6 A  s+ q% g" n

! h7 m4 c( e" k4 y) v% a* m             for (size_t jj = 0; jj < vec2.size(); jj++)2 @0 y5 d! @( _* N/ o0 L
            {( j. |1 c+ Z( A0 i( H3 f5 F( {7 ~
                     b2[jj] = vec2[jj];; C: M0 G( |3 i) G) p
            }1 y5 o7 c! q2 g2 e

) n0 X" B9 [$ w/ F% j1 C0 P             //Method - 1  N=100000 247s  " m# S2 ?* w- G5 i2 a
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
# b7 |/ A- W7 o0 X& r0 W                               . _0 i9 F' ]7 [/ ]8 {
            //Method - 2  N=100000  237s- E! @. m8 ~- Z% A; n' H; S9 T# J
            /*
& E- [3 ?$ _0 u8 D2 L$ A             for (int jj = 0; jj < N ; jj++)
7 p5 Y) w$ R% ~( Q             {
# [, Z4 E* {  m" d0 t, c; N                      fresult += vec1[jj] * vec2[jj];) A' T; F& ~3 w* b7 S0 [
            }
3 i2 y0 Y" I1 I' d/ h+ a             */- J. e' t$ Q: c
                              * N  s3 ^# g1 A
            //Method - 3  N=100000 204s
/ I) P9 n: u$ ^: \) t/ I" t% U/ I/ g) h             /*
; V6 d& t, r8 }8 s# |             for (int jj = 0; jj < N; jj++)0 d  |# _& `( X) T
            {4 O. O; C' E0 _$ O: ]" K& S
                     fresult += b1[jj] * b2[jj];; ~7 s) Q0 i) f) A5 V
            }8 v: D4 C- s1 a- k0 |# o# g" p9 X
            */
: A1 T- T- z* n; L3 u/ A6 w/ m  e4 n, f* O* k  _' r0 {
            //Method - 4 202s
5 z6 h" s2 @5 n; K! `             /*
0 u8 U/ i+ _# M( d$ ^% F2 c: l$ p             for (int jj = 0; jj < N; jj++)1 d/ g. g4 [% v
            {
) ]; M* D  Y. {7 w8 i) p0 L5 r
' H% R$ }+ M+ p- x% s8 \             }5 v4 }5 m! i1 f$ [% L; R& u, P( B
            *// _: w: v1 z0 n( O  G! t
            //comment out all methods, N=100000  202s
& E( Y4 u6 N* ]       }& B$ L& K4 B6 @/ W1 L$ G' z( U) y0 F
) \4 t' O2 a  \
      delete []b1;
3 X' }0 i1 G& i; 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, U6 o$ w* {) @7 }% I1 }7 T: j
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？
) W% `4 M3 W1 x P
7 s' k8 i/ `' ^2 W1 w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# [. z5 Y5 ^; H' W
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
/ m; c) K8 }' j" Z6 Q4 U
8 ~2 }4 v, j% v9 v! [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 23:540 k$ x: t) h; S6 U1 A# D6 ]
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
9 _5 P; v# [+ h{2 s7 ]! f: I4 w! B5 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