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
4 R& T0 _$ k6 o* r+ ]" j# Y拉下来？拉多少？+ j# M) l* @8 @; ^1 z5 ]6 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. b4 R2 P. q& ?9 C
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/ s) r9 q8 N! @ k; `, c0 D1 }
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
# y' }* W: e: o% z+ G9 }: X" [6 F{, [2 b! F1 Q# o0 G- [/ z
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 00:204 W+ X( s4 g, `; o! l* s3 X) `- n
这个不是这么比的吧。。。 T" M; l& G- Q7 w1 j( x- `* h" u% D
/ n0 o, [/ e2 I" L. 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 00:46
" E: z/ o V |* T' D' U有道理。
0 S2 } o' }) @' n7 v$ K& u2 N/ P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' p5 l+ |/ C0 E5 j1 G这个不是这么比的吧。。。) u9 o7 x/ f) k. W

" i& f- t4 t U1 V0 b n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$ {# a& m# T9 t, I& x
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; H2 T) E# o; K) X
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 n- W7 ~6 a1 g/ 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 ...

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
: c1 y4 {' ^3 {+ U7 F5 G; L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 14:584 ~, d7 i: Z' E" L$ J$ H
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 l, I  h7 x6 B3 }6 ?       std::vector < float > vec2(N);
  ^1 l9 }& N; N4 d5 O/ T       float* b1 = new float[N];
0 y2 U8 E9 R" I0 p" A       float* b2 = new float[N];; O# ^( J2 n3 j! v: m, j
) M9 w2 H: m* l2 x7 }5 N
      for (int j = 0; j < 6000; j++)6 v$ Z0 g$ K( m" z5 `; I
      {
1 L& ?0 R' N1 H7 O8 U( N% K9 }             std::generate(vec1.begin(), vec1.end(), []() {" b* A" i6 ^1 C# W; d! M9 K/ C0 z
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;0 A0 C5 i. [, _
                     });. T! ^4 B) h! r, B( V* K

6 q) r" T7 \6 j1 n8 y8 X/ V             std::generate(vec2.begin(), vec2.end(), []() {5 e, H/ L# }0 z! W/ E
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;) j. J1 O8 ]( M2 m/ b6 X0 @+ U
                     });: A5 T$ D3 T! i2 [" V+ p8 `
! J! h( A& x7 N; O! J" Y& o
            for (size_t jj = 0; jj < vec1.size(); jj++)
6 a/ f/ _/ \- `6 Z' R             {
# ]/ P) k3 X2 y7 j8 U                      b1[jj] = vec1[jj];: K1 V: Q& O4 z2 Y% N% A
            }
. E/ Y4 A2 P' S2 e
% G  M' u  k5 E- D7 q; o6 B             for (size_t jj = 0; jj < vec2.size(); jj++)* O, A% b5 k  m
            {. g4 l$ q6 R2 D. d( y0 R$ ]0 ~% w
                     b2[jj] = vec2[jj];
# q/ d5 E& q2 c8 c             }
1 c$ d7 t2 d: \+ h/ e( X4 |, n- S, K& j. k0 a
            //Method - 1  N=100000 247s
" h, U9 O& r0 b: O5 X& V# {             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
1 k, C# p' C4 _6 h* b3 T                               2 U" O. p* K# N
            //Method - 2  N=100000  237s# V8 F' n% i) |; n5 T2 J
            /*5 ], h/ m5 v7 D
            for (int jj = 0; jj < N ; jj++)1 h4 Y9 l) F. y! \! u# R
            {
) Y7 [/ h' H1 N6 j% c, V6 i% ^                      fresult += vec1[jj] * vec2[jj];
: |8 `' ^/ m& V. W( F( h6 r4 x) U             }
9 Z+ k4 N  Q$ k! M+ c4 j0 b& z             */! L& u6 ~" x: U0 C& V. Z8 C
                              2 w( q; S5 T) z. ~( D7 l8 x" C
            //Method - 3  N=100000 204s
2 R7 M  W8 D" n& K3 ]; Z& T1 {             /*+ l$ Q/ ^5 B) T) S" m) Z
            for (int jj = 0; jj < N; jj++)5 _2 m. t3 L: \1 T4 H
            {+ {7 l8 S1 {2 P4 g
                     fresult += b1[jj] * b2[jj];" Z! F' d8 D# q  \$ w
            }  Q. q5 j" y! U
            */  N  V( i# p0 q1 u3 f9 r0 i
' o3 b3 q& E  {; u) n
            //Method - 4 202s! s1 t& F" ]8 x0 [
            /*
1 p2 T4 T' C0 p5 Z1 c             for (int jj = 0; jj < N; jj++)
! Z  p, H/ h& T) _! d             {, `1 \+ r2 b, E( r1 h

, S# c* V* c% N; S             }+ g! d; m) a2 A0 {
            */) v5 q" {: r9 J0 g2 t. t
            //comment out all methods, N=100000  202s
. h  K& G9 N. _! V       }
8 _& i+ t5 N' E6 A; f# |3 T3 B6 s/ s" L, E+ @: u  m  U4 |
      delete []b1;( H, H" G, u8 N1 o6 ?8 h5 ?( F/ `) z
      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, ~8 V3 S0 ]4 W8 M! o( 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？& V, V* I. }7 Q( t2 n
" X0 ?* i" g$ \) k
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) R8 u6 X4 v# r. `$ e! 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
5 `. j0 e6 A( e* S# p
# j: q2 k4 w" Y/ B! o8 W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
5 }: L. z% N4 yvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
- S) i# e6 ^' I8 R: A) _( Q' ^' H{, T$ M5 a2 s: c) \; h* \ I& 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