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) R7 X S7 C0 l. q: ]5 V/ X5 r
拉下来？拉多少？" T, {2 ^( ?4 O
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
5 [' U( B9 Q( o2 u3 W2 _- b/ |% Q. pMaybe 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
$ T& M; @0 Z2 D8 Kvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB) n. }2 L) H Z5 r6 u0 S' ]6 B3 v
{
2 o3 c5 d6 E. q- y: N- @- p! X 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
8 w7 d3 V+ T5 w6 E6 `这个不是这么比的吧。。。' ?6 U ]: b( v7 o
$ I. l. v8 |# b$ 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）。

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
% x- f5 V% D9 _* g! w有道理。* a5 Q) D& G% t! h, [1 V; Y5 }
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
H, M; P2 N+ b, L8 I# L( C. p这个不是这么比的吧。。。/ e3 u) i" X1 Y5 _* \; x/ E
2 D! V! p' b y" N8 a8 g) f8 `6 M
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
' j* x( @7 Q2 {5 a" N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 01:270 W5 @7 `% N) l
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; H1 E9 X8 z; B6 M
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$ \, g# z$ ]; w Z, S' T% J% a5 p
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
- L/ Z! v6 ]' h# i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);* W# j3 z7 f4 Z6 d/ \
      std::vector < float > vec2(N);" b  a; T% y+ Z. b
      float* b1 = new float[N];4 c9 I9 O  ?1 C9 v
      float* b2 = new float[N];
; n" B- {& d- f# [' g; \# a  V+ _; Z# y4 m$ x/ ^
      for (int j = 0; j < 6000; j++)
$ c. X7 }& ?5 A( u7 g' N) z       {
5 k" }) I. F& d8 I+ ?! C1 }" ~. D! P             std::generate(vec1.begin(), vec1.end(), []() {
7 e' e  Q( R$ z/ G$ H5 _                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
" I* Z1 b* y3 k                      });$ C; V8 E/ s2 n/ {3 E
7 M# T. |2 M5 K  c# [
            std::generate(vec2.begin(), vec2.end(), []() {
4 K/ c2 D, B+ [# t# A                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
$ l/ W4 E1 W# N                      });- `! M' S# O6 W4 J
6 D9 V9 e$ A6 L4 D( P+ h
            for (size_t jj = 0; jj < vec1.size(); jj++)
, L& z5 V; ]& r% L9 U, Q6 I             {
8 j9 k4 ^# O( W2 G7 k                      b1[jj] = vec1[jj];# B% H  S2 E9 _; L& u* o6 v. D4 S/ Z
            }* `% ?$ M; O+ c* S* ^
! ?0 W5 O0 X* G0 L6 B! w
            for (size_t jj = 0; jj < vec2.size(); jj++)
* K& w8 J: v  y: O5 O6 c             {( P" k5 G- `8 J; v
                     b2[jj] = vec2[jj];
' @1 }% t" }( r; U             }. }# u1 ]% J3 g3 w# l1 n% f8 n

            //Method - 1  N=100000 247s
' n. G  K4 B5 P3 c0 |! {             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
: x( u2 s9 u3 a7 p( W
2 a. e6 P. s1 k1 n! p! {& [" M             //Method - 2  N=100000  237s
/ t* \: |$ d5 A9 f; U) ~3 A) e             /*
) d; b7 C- U5 y- @- u             for (int jj = 0; jj < N ; jj++)
& o; a% y3 O/ R6 j* J4 h             {7 `; l3 W4 y! S: t: n
                     fresult += vec1[jj] * vec2[jj];+ Z% Y& ]. M4 |2 m0 H
            }3 A4 o+ J$ I* w7 A$ {# d7 h8 S7 q  G5 a
            */
7 y" L* p- Q: s
5 S' `7 Z3 s% r             //Method - 3  N=100000 204s! L% Z7 `) u+ Q: }+ K
            /*/ s" v; r" |. q+ ^$ [7 P3 C
            for (int jj = 0; jj < N; jj++)
! P0 E: y0 S: Z. v* v$ C* U' F3 o             {
) t- X. n( }  b1 M' f0 b5 M                      fresult += b1[jj] * b2[jj];
2 [  l; X" Q" ^# ]             }7 [* G  u. y. [1 L1 z
            */& T6 t2 I' s, n8 S8 S

. z1 q# w% V" p$ C             //Method - 4 202s8 s6 w0 b+ e' H( j
            /*
" u# f" J! C0 L& y8 V- w4 o! a1 {             for (int jj = 0; jj < N; jj++)
) O% U! e0 S9 P) [* H$ m             {
; H& e% w- R, s; b9 e" T% B7 Z                      " Z- `7 V& a6 i+ `
            }
' r3 X( S1 \$ H+ {! q1 U             */0 K& n: n6 @) `1 W( c9 L
            //comment out all methods, N=100000  202s
. }! ]* c: g" n0 ~+ N& a+ ?- S       }# }7 `& g9 k5 S7 z$ C

2 u' u! W$ \' T' V9 k) ~* k2 J       delete []b1;
' w/ `7 m& s* {1 e# z+ 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
6 _* _+ ~: g) m* r: f, S. j' M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？4 _- E* M2 Q' K7 Q6 G/ L1 c3 W
/ g1 i5 \, |% l
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
, i2 ?5 \& u8 }6 {" u B. r( C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# ?9 W$ k* H& l7 p; h

/ |" b" i$ I& @7 G% _4 N5 p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
* A- O% [7 @, r% P5 Ivoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB) I# [* m: W' F* Y" r4 X4 T
{( N5 \; e9 }6 O
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