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 23:042 Q1 W8 q1 H/ r( y, b
拉下来？拉多少？
% h ^9 L, ~7 V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: J! x- K0 V, `! `+ I* P" g- z
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
) T1 g% D @2 u6 G/ m: Nvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
- v7 ]+ B) B0 t{
7 H% Z8 F6 b( |8 \6 L: 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
/ \5 a, E: N" N" ~9 V- s这个不是这么比的吧。。。( e2 ?; J- r5 V/ Q5 C7 Q

/ s8 @* ^* `) k% m$ i' H7 T2 }* 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）。

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: D3 h- j- F1 h6 Q. g8 v6 c& l
有道理。
) m9 {1 @1 y) d. M3 b! Y2 h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' Y1 V0 Y' {3 ~ |. n; E$ F
这个不是这么比的吧。。。& s' T5 j! r0 A7 w- P1 C. E

" F+ C! W4 n; t; w4 M9 s: z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
r! E2 [# E7 f: o; Q8 ^+ `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
- y$ r7 y" }+ d4 f' Y f. ~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
7 o- T6 [/ K0 i4 _( e0 s8 }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
" f: q2 F% f& K: e9 |" ]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
& t+ B% t, W- u5 l, A; W3 s6 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);) p1 x- d$ D* e, M+ L( p
      std::vector < float > vec2(N);3 z: a  T- t/ c- Q4 s$ Q: r
      float* b1 = new float[N];
  @  H- a: E" l       float* b2 = new float[N];
# V4 t. Q* F  V# i
; N! K5 F! X1 P; X, e- T       for (int j = 0; j < 6000; j++)
) _/ A2 m0 J: J" M3 W: A       {  r1 {. S0 U: R6 o( k  P
            std::generate(vec1.begin(), vec1.end(), []() {. Q' E0 N: w  y4 @" f, p) Z
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
- @% }! f' v0 ]                      });
* Y/ e, b) ]; z- ?* G. \1 J$ i
9 p' x4 x7 W8 z' B. L             std::generate(vec2.begin(), vec2.end(), []() {* m7 j: G. D% }! D
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;5 U" Q& j6 X! l
                     });  S  Z- r: v! }% s  T- d

7 r- y4 S2 m* T5 |! ?. v- E             for (size_t jj = 0; jj < vec1.size(); jj++)& {. l9 y' G+ A' e/ a
            {' X1 R5 ^& d/ u3 @2 v
                     b1[jj] = vec1[jj];7 E# u/ V1 \2 G8 y0 C3 Z2 w
            }
; m1 d4 M) v" X2 _' b; G6 O1 ?3 H0 ^+ P
            for (size_t jj = 0; jj < vec2.size(); jj++)
" r5 U5 s- Z! K4 Q& M             {  \4 _* P+ [5 f+ C4 S& {% Z
                     b2[jj] = vec2[jj];
4 l) j  L1 o0 I  a             }, {8 W" `; Y% \' j. ^" d
7 g% z( \, D( s- E) o, o( w* K3 f0 B1 U
            //Method - 1  N=100000 247s  - [; K! }6 ?# n( _& N* B
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
  [4 _* n" P  O
' C; B8 R9 I1 T1 x* f! S: o$ x             //Method - 2  N=100000  237s2 f6 T- B6 H+ T+ h. l$ B& N8 g- w% B. o
            /*6 y0 s0 g  p. b, r: x
            for (int jj = 0; jj < N ; jj++)
4 g8 ?) K4 D5 O             {
& n& J4 U0 U# ^, m7 b9 G                      fresult += vec1[jj] * vec2[jj];8 t9 h( u; v; ~
            }' b+ R# m. K7 e# G" ?* ~+ R" t  K
            */
, d" ?) B" S) f                               ( ^# [$ n$ u6 X9 q' p
            //Method - 3  N=100000 204s3 o" n. \6 g# [% P: G. x
            /*3 t! ~) M3 ?+ _6 q7 d
            for (int jj = 0; jj < N; jj++)
6 k5 P% S& S% q# K  [) g             {
; x  i/ _* i0 `9 z" P" y2 _                      fresult += b1[jj] * b2[jj];( d7 g, `' Q* `2 n6 o! ^" p
            }- D& \2 G, A$ N0 b
            */; [6 L: {0 Q# ?7 B' S- N; u

! V! B: H+ [+ l             //Method - 4 202s2 m1 M  C) \7 T
            /*
& Q$ d8 W/ t9 U) r" r             for (int jj = 0; jj < N; jj++)
9 H# P# B$ q$ Y' ~& q. d             {, |# b  ~! K9 i  D! T4 A$ d  A
                     1 q1 o6 \' z& }& M$ {( u! {0 I/ z; X* A/ g
            }
- x: q# v! K8 A8 B             */8 t$ a' i# P# b6 Z) n7 m) {
            //comment out all methods, N=100000  202s
5 k: z. a9 ]& n" o5 C" @       }
- O5 _2 g- y9 U6 v3 h; E1 I3 F3 g
      delete []b1;
" R) h  R3 x1 n: l6 E) p' u& V       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
7 V' i$ x& [" _9 D: L2 `1 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？
& @6 S7 T4 M* j
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
: R: N2 g' S- W" Y7 u, K, e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
$ y& e' x! E- B$ B
1 A/ m+ u. f- y$ `* b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! n1 x9 [' l" v$ \) Y- [ mvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
1 K4 b9 o& w# e{
0 R6 P9 V& r6 y6 |6 }! H 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