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 23:043 i' [5 L& \. N3 c) m
拉下来？拉多少？
* @- X4 y. E" z/ p" N# ]& }+ R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 23:338 S# I/ Q( j s+ E3 g
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$ E4 e* P! \- h( y8 y. P
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
; E B) z. k5 X{
8 a' \: J" k0 t2 ~ 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
9 a, g5 h) A* ]+ I这个不是这么比的吧。。。
$ I1 g6 S/ B" `( X% A0 v2 B
2 z6 Q( D/ 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）。

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 00:469 Y; M: M% j8 o/ `+ l [
有道理。2 Q9 n% U! k' P; v6 J# [& 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
6 |; x2 Z8 A/ {& k这个不是这么比的吧。。。
" H# s( k, W( s) i# h+ J9 k4 ~' k; S. s* _
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! ` R2 ^( \+ J, S* R- e+ `
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 01:272 @. w7 a/ U" Z/ y
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
& s3 W7 V" |4 Z4 [0 y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
0 L* [; o* m5 X' e; V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+ S' V( Z& s: A& ?7 a, f: 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);! v' T  ?# ~5 G3 w, ?* r  c& `
      std::vector < float > vec2(N);) n4 N& L5 G4 }  {3 h1 B/ L8 n
      float* b1 = new float[N];
$ L8 j& {. o" Y$ t9 O( \       float* b2 = new float[N];1 z- }# L# z. [9 {. N5 L
* x. z2 O2 f8 r1 n' y4 l
      for (int j = 0; j < 6000; j++)2 i& o- A' }% n4 b8 p2 u
      {
$ k' I6 p& c; v1 S8 i) ?7 X1 C+ h. n             std::generate(vec1.begin(), vec1.end(), []() {
1 v8 y( u) O% H5 q                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
7 K, n/ a* V% L( c  ]6 H+ m                      });/ _9 o- b. v3 L3 P8 M

! u2 [: l2 H$ n- P             std::generate(vec2.begin(), vec2.end(), []() {' Q2 _0 O9 u8 [
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
/ g8 B5 k* [0 [7 m! m! o! a: j/ Z                      });
& L* g4 ?" |3 x, C2 G. X: ?/ X0 E
6 T, t: F# C0 L+ y, z4 D6 W$ s             for (size_t jj = 0; jj < vec1.size(); jj++)# @; {7 q+ s: S( T: @9 y8 ?" l/ n
            {: I' B: |7 ]* s8 X. }1 A, ?6 O  g
                     b1[jj] = vec1[jj];7 m, c- q, E3 ^0 o& F( B9 L5 M3 g
            }
$ ^1 B6 @4 v. p0 S2 r% L5 S6 i$ B9 g& @5 O' q$ P, A& ~
            for (size_t jj = 0; jj < vec2.size(); jj++)
) H8 a% B8 t  l! p$ l; A/ ]; d             {
  l7 R1 {8 o1 Q/ t, F' `                      b2[jj] = vec2[jj];
' r4 ~: j4 C6 T! m! n- H             }$ [* H0 Z# ]0 B' c+ H1 Q* q

: N0 F* {. u5 m! W             //Method - 1  N=100000 247s  . k, Y3 A" c# }) \* n
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
3 T$ a3 I# A' Y$ ~) a- X                               / n' `, k$ E& E( {
            //Method - 2  N=100000  237s% n6 \  y% C0 B! _& Q* {- w5 Q
            /*& V% |1 x" C% g5 i1 r; h
            for (int jj = 0; jj < N ; jj++)4 @5 A1 a- k* o/ V
            {
8 _, Y# o, m; H% K                      fresult += vec1[jj] * vec2[jj];
: _& q! s# e/ y" c$ X: b* q             }
7 X/ M* U2 w2 t5 \- u% G             */
  N/ S- M1 N1 z+ m/ R                               # v, ]4 Q+ l1 w) A2 E2 s
            //Method - 3  N=100000 204s4 X, M7 W6 a/ D  A
            /*! L; D0 D; g4 b' }( \+ w
            for (int jj = 0; jj < N; jj++); A% k9 H$ ~+ W- `; S, g- ?5 @$ C* ]
            {4 e8 C2 I2 E; J: \
                     fresult += b1[jj] * b2[jj];$ I7 N9 E7 }# L) R
            }9 l6 t/ u8 v' X0 T
            */
2 O1 o1 g: U+ c4 l
* {, t, C8 u5 i2 X6 }& w0 i             //Method - 4 202s
9 w9 b0 n# y1 [! x# S             /*
% F9 Z( q! A3 f  v% }# X             for (int jj = 0; jj < N; jj++)' T9 {. P3 |" M$ K8 }" R$ D$ T
            {) V& R! ^% H- d6 F1 s. g

1 [- x& Q3 p  a) E( }& ]9 J5 s" L             }
3 M7 a6 B; n9 q6 }/ F             */# ~0 G$ j7 d4 y0 l) G1 v
            //comment out all methods, N=100000  202s             2 C# p' e7 r5 _+ Z5 j. Z
      }4 x& D$ P# B9 w9 N

9 t* G9 f1 p1 U$ ^( I  D4 T" @       delete []b1;3 J7 o. u0 F3 S5 s1 B: j
      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- D% W* l* U% L0 [/ G" S; x
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？
' A) ^6 r' N% W% C5 y4 k0 s0 L
" B: `8 D( L; }8 _. ~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. N+ S; a5 i; o% f2 K$ i. o- ]! U6 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
/ p* H- C$ |- @( @+ z5 V, n3 \$ z
+ Y1 c: _6 g! S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 23:543 N2 c1 B# {7 D% a+ y# O% L8 d
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
! v1 M0 X- d. a. r0 I7 f{: r3 F. Z% W N( M
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