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, {. W" h P* f
拉下来？拉多少？" `2 o- ?' Z( \$ 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: o- I$ x) f1 V& w8 y% X4 Y
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
9 [3 i9 I8 M- tvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
?* \' D* c# Y{* Q: L2 N, l$ Z: 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: `- k: e" x+ X
这个不是这么比的吧。。。* j4 Q, q6 {: T6 E: @ G3 U: W

" q# ~: Y, D4 s' c i6 W& V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
6 e7 |. C8 ?7 g/ J ?7 c# W8 `有道理。' F( d5 d# k5 ]4 U1 h8 T
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' A- q9 p Y+ U6 g0 F! C6 Q
这个不是这么比的吧。。。7 U' j9 a c! L4 n+ W. i) T4 b, @
. k, n* X( t. O* ]$ X
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
& S0 M' ?# S- p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
( F8 F- f/ p# d! E" @/ F# i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
5 J( V; v8 T3 \: \/ a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# J7 t8 _9 j1 R
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
$ ]8 P; f+ `, 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);0 r) d2 Z8 l. v8 j. x
      std::vector < float > vec2(N);, u$ |9 Y3 g3 t' R6 d7 c# ^
      float* b1 = new float[N];
0 M5 x) K" l+ B& h% E! ^, c. c       float* b2 = new float[N];
* O0 I; F( k6 R, M
, A, U& \9 ]9 _/ I* X       for (int j = 0; j < 6000; j++)7 u: t* A& p# W3 M+ y
      {% G  d: f* O% P: p; ?
            std::generate(vec1.begin(), vec1.end(), []() {
7 O  S) o' L( y  D. \) K5 o  E                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;7 H3 y; g0 u8 I  h
                     });* d" f1 H1 T1 L+ F4 T- d' b* c$ J5 Z
6 d$ z) [$ A# _. s
            std::generate(vec2.begin(), vec2.end(), []() {2 @' h& b3 X# ~/ u2 A5 M  Y! }
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
$ c; g/ y( c+ K" A7 H) g$ [& D                      });
: F* e" w( j" ^# g+ I' e1 M: _' ~/ ?5 I; @9 I4 M0 D# [+ y" }
            for (size_t jj = 0; jj < vec1.size(); jj++)
  l+ g* q  O4 S6 x9 O             {
( V1 `$ R! r1 l; W% D1 c: o7 m                      b1[jj] = vec1[jj];5 L7 X) F5 X2 T
            }& b1 o0 @/ l! G8 S% ~8 Y5 Z

$ J+ O% V/ X3 q+ n; `             for (size_t jj = 0; jj < vec2.size(); jj++)9 D' x$ e! u- L& O; [# S
            {
) L" v" P9 o4 V' L                      b2[jj] = vec2[jj];% y+ b3 f' Q6 a% R( P/ S( R! O
            }
) D  @* Z8 u3 C, H$ i; V. J4 ~
4 d+ Z, D& H( a6 ~" v9 z             //Method - 1  N=100000 247s  ' ]5 ~# r3 k' ~5 }' l9 j
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
9 ^6 M6 f  h3 ?& w                               ( M  T9 Z) G/ O! V2 g, }. R( j+ V
            //Method - 2  N=100000  237s
# }( p4 |& |* w' Z! n9 M% U3 m% G             /*/ n. }# F: A' V+ p  C, _: c
            for (int jj = 0; jj < N ; jj++)
8 J8 \6 O5 H8 v; {' S, r) D             {, {2 f8 h8 x2 I* S
                     fresult += vec1[jj] * vec2[jj];
9 L9 {; y) Z* R) p  R1 v             }
6 m  Y& N- w$ W" T             */$ _. x8 B" B* f- u7 z6 x/ p
                              - _% r/ D' @, ]1 m7 _/ L8 [: p2 c
            //Method - 3  N=100000 204s/ o  y! I3 ~1 a5 U0 X' G( E
            /*
8 ]! z: }: X! `3 @/ @+ c4 ?             for (int jj = 0; jj < N; jj++)
1 ?2 {" Z2 R. [; L8 P( V             {: r+ c" x, U. t8 V
                     fresult += b1[jj] * b2[jj];6 v5 o6 Y4 L$ {: E% t
            }
0 e# C1 E& X# L; n& d$ O+ m             */
% k1 Y4 h/ P  f1 B
4 T# U7 a4 j" F, o$ Z/ F! R             //Method - 4 202s, z2 g" d- _( q
            /*; q3 x2 w- _( Z( z  ]# [. L: f9 D
            for (int jj = 0; jj < N; jj++)
; r: l8 Z1 R0 |/ W             {6 A4 c! P8 U4 R9 P2 w% V8 e

# B; }+ J- A0 ]$ O+ P             }
+ R9 K/ @1 o, L8 G" v, _0 |3 n             */
6 c8 H$ t7 v: K# ?             //comment out all methods, N=100000  202s             3 m8 F; u# W! O
      }4 y; D- S; w" o) I' d1 `

$ ]: K- ~; t6 u  V       delete []b1;6 I$ ]" z: ?2 _/ [" j) 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
' _0 ^0 S4 F& |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？( p7 j- W Z9 b3 C4 ]5 b& `

4 J9 `/ i# G6 D7 P O3 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
0 Z, l; D \: B/ o( K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、LOL2 Y2 ~6 K" K; I2 G- \

7 {/ N& o+ m) X Y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
" y" h6 t% e# v7 y' c* C. rvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)8 i. s, O- x) p+ a g) U
{
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