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 E# t+ g" ]' Q2 Z3 L" T& j2 }, X
拉下来？拉多少？" A, N9 P4 Z$ {* O9 J$ F4 G
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
0 N$ S6 S( }2 i' T+ TMaybe 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
8 J* k# W( C( P' ~void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)6 P# K, y1 R; ~- L5 H; J; \
{
4 h K c1 O8 R; }+ |1 Y 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
4 c& W( `* U7 x* D3 }这个不是这么比的吧。。。+ ^. x! u% W! K

- e4 g- T, R |1 g5 e7 P0 P2 Z0 b7 a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
! {% w: u3 p, ~$ [, B& d _+ F有道理。
# D ^6 S7 U; i4 m7 C' p+ 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
; I+ }. W5 k' J, F! A这个不是这么比的吧。。。7 c$ i' B. v" [( [/ v! h

# k7 o5 ~) V; }. \1 P8 U: Y( 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% r6 n( x8 E7 `, P; g: n8 }, \) V7 F
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: S& [2 J3 z" o; |, Q
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 04:475 z0 ?1 M: D) D2 ` d
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
9 O. C4 n/ S0 ]: k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& O0 Z7 T! `$ s+ 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);
6 @' n( a; s5 z/ v9 ]/ H       std::vector < float > vec2(N);
9 z9 |* H5 W+ H       float* b1 = new float[N];
; L0 H# D+ m/ F0 I: r7 z       float* b2 = new float[N];
* o3 j2 \0 W4 |" U  F& N8 l7 B+ Q; ?" W$ ?! a& E& S' i
      for (int j = 0; j < 6000; j++)
* R/ e, c: E) L5 |       {
: ~6 k7 u8 p1 @, I+ O, |/ d             std::generate(vec1.begin(), vec1.end(), []() {8 M9 f# n6 K9 o+ C0 s# v9 n4 h2 b
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
6 g) [& s+ s' Q                      });
3 T$ i+ Q# B7 Q2 l3 s2 _
" x( _0 x, ?% n1 [9 \' A             std::generate(vec2.begin(), vec2.end(), []() {0 S. {9 c  s7 y7 E
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
/ ]# P, F- e2 [, C& A1 f                      });# G3 O  a* H! C3 x. F# L
  h3 Z0 z3 I8 N% r. [
            for (size_t jj = 0; jj < vec1.size(); jj++)
) H; p5 O! g6 R- o0 P: r             {  Y/ x& C$ ^2 @8 T
                     b1[jj] = vec1[jj];
8 r. c3 G4 k# Z, v4 {6 U1 P% _" F6 o3 }             }3 D+ o6 b! _( K- _' w
0 _- ^! o+ {. p# `! N
            for (size_t jj = 0; jj < vec2.size(); jj++)% d3 b* \' ~/ E1 ~  R5 i9 c
            {
" S, H) \/ J3 D5 r3 ]                      b2[jj] = vec2[jj];5 s& g: I( v! g* d
            }" l7 [3 p, Z/ r/ @
" x1 H4 c' {: D" e( b5 T$ S8 A1 v* u
            //Method - 1  N=100000 247s  $ o/ N7 a( ?4 B7 ]0 Q9 C- }
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
+ z7 K7 A+ J! v. F, O
+ o( Z1 p2 W: V8 ]             //Method - 2  N=100000  237s$ Y6 k. Q9 D; {
            /*- _: g: r  n! j: c. z' f" M
            for (int jj = 0; jj < N ; jj++)+ [0 K& c8 [) ?' r
            {
3 S7 `# N8 Z% x- I# _* m                      fresult += vec1[jj] * vec2[jj];
) r+ C7 |- w) u/ B/ ~             }
) P  ~: j6 f; l1 [8 v- ~$ C$ u             */
- i: c" l+ l' ^" V7 D' |                               * ^* z1 c( g% Z# y9 j+ j( C0 @- i
            //Method - 3  N=100000 204s0 p$ W1 p, \' K# m2 t: V
            /*6 D% o, [) H" r3 y# V3 q
            for (int jj = 0; jj < N; jj++)& J6 k" O+ z" v) H( S
            {
4 O1 U4 \8 ~) I; Q; K, }                      fresult += b1[jj] * b2[jj];( i  B+ `6 x& p2 ]8 H% _7 V
            }
" ~; R( I6 g/ g# t6 |, ?7 r$ p6 U             */
, b( V6 w$ S2 m) m( I
% d/ J3 y3 W0 z3 q0 r2 y+ S7 ^# W             //Method - 4 202s
+ b2 ^# C5 @" J. t, ~             /*8 y! r1 `3 {% Z! |! P8 d
            for (int jj = 0; jj < N; jj++)/ o& F3 Q' P, b9 H- j# ~6 P1 T
            {8 x! m  ~4 {/ ?6 b

% z0 I: l8 ?- s! M0 l+ J             }( B/ V- H, |! `( K) ]9 l
            */
( o" y# T; `) a7 A6 r             //comment out all methods, N=100000  202s
( G# C7 X9 `+ `- {  o7 x' Z       }
4 K6 E+ M; \8 r% t) Y7 C
9 r/ F2 S6 w$ F5 {       delete []b1;
- b& X* Y7 }5 p+ n) c       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
' U( P6 w/ e1 O) ~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？) o, P1 k- N% n/ B# h

; F/ Y- R; I4 y- D/ u/ y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! [9 j" D1 u; 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
: l9 s) V! O* t- G; F
s- m/ {% k8 @- V4 G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% H) V0 D- O& \( T+ H
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)& v6 Q( n5 N l) S0 g4 g3 X
{
5 a+ x" t' G$ y. i" z 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