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
! r5 |% t& g' }% [" y6 m" w拉下来？拉多少？
; t4 j8 A' y# s$ q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/ X& N+ {9 v' \
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
2 k, F! V: D* S7 j, @: @% |void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
/ Z" |! t5 K+ k/ S; Y{
i5 E5 Q6 a6 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
( n1 ^5 X+ Y- ^& j# s1 K这个不是这么比的吧。。。
) \! I. S" P) C$ B
& B0 h" a4 w6 i) Z* T0 A+ t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( i/ I9 F( x3 L" N8 T" x/ T
有道理。+ C5 ~+ ` g8 n! z7 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
! o# `+ q+ m* g% U这个不是这么比的吧。。。- D8 r0 Z: i# q ]# w' D

. q* d5 ^$ H+ P; |* V# W% z% o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+ [9 e8 d; ]4 ~3 ?
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
# X! S; Q$ O0 Z* j7 ?* A& 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
% k+ c; O: j9 N5 r Q( I, s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+ s `5 u7 ?: `; h- m9 H/ P C
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+ n2 h# F% h7 F6 T' h& A$ q
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);2 |. t+ p, u% j. j* V7 [1 h
      std::vector < float > vec2(N);
5 K$ U  @' t9 R# }5 }       float* b1 = new float[N];1 L0 `+ ?6 n# O' T( q! m) R
      float* b2 = new float[N];# M6 w! Y* l/ R, w2 ?

/ H$ u( ?6 p2 \/ W$ Q3 o8 E$ y       for (int j = 0; j < 6000; j++)& s& c. F1 L1 }: W
      {
% g8 ]" a  j8 F% z; L             std::generate(vec1.begin(), vec1.end(), []() {
# o/ T0 b3 p* n                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;* l" Q0 R7 q3 \, I, z2 X, T9 z
                     });
" E  f9 V$ O7 ?
( v: X; t6 e0 B6 J. {4 S8 Q# Q             std::generate(vec2.begin(), vec2.end(), []() {
0 W. }# q4 L) b8 {4 A4 Z' z                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
) y6 H4 v. C- ?                      });% o7 t5 e! _. e5 w6 o
* S0 g! I, E. z- b5 a( C+ Z
            for (size_t jj = 0; jj < vec1.size(); jj++)" v4 D8 g6 x8 L5 _; P
            {! z9 y0 s2 I% }
                     b1[jj] = vec1[jj];
6 ?. U, P4 y: o5 [# ^             }
8 K% q) B- s# G* ^! ]
6 D# J9 S2 f# k9 V             for (size_t jj = 0; jj < vec2.size(); jj++)
, L; [8 ?( j0 I7 Q2 Z8 E             {1 C$ }) p* l) U8 e: h
                     b2[jj] = vec2[jj];% f/ w# s% w. a6 t4 \
            }
# {9 B/ z" R9 B' n% S# e5 k+ S4 T# d( u' K* M- v' t  d
            //Method - 1  N=100000 247s  + U; H& x+ H( {. \
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);+ m& f  t! E! e, U* R( l
                              6 A( R: ~0 e2 H; ^$ D8 M& u( ]
            //Method - 2  N=100000  237s! q3 j. S. ?& k
            /*7 B% E/ S8 d) \- D0 _4 I+ d* N4 M
            for (int jj = 0; jj < N ; jj++)3 ?/ y8 d9 `+ D2 }, K0 G5 ]
            {
6 y& ]: M9 Z) Y/ T7 M) W, V                      fresult += vec1[jj] * vec2[jj];
+ S( X$ ~4 X9 W             }
* ^0 S& g* O" Q) `9 K/ y             */
9 R% s- {+ B& p' m6 T$ Y- f
4 X7 o% S) E1 p3 s' d  Z             //Method - 3  N=100000 204s: `5 W/ t. w" J* f! r2 e! n
            /*
1 l( A/ R* a6 j             for (int jj = 0; jj < N; jj++)
) G2 v* J/ \: K5 B& c. x7 x5 d             {3 f7 p- n" S8 n: T' j
                     fresult += b1[jj] * b2[jj];
4 x, j8 e  {* M             }
7 K/ g( t3 v8 h0 P             */
. K+ A- |' e; g4 e/ m& w; X" F) u
6 e9 a' \6 Z# I  y  M             //Method - 4 202s& N+ M! m) M" W+ U: N
            /*
# S3 \; {( p& D( z             for (int jj = 0; jj < N; jj++)
1 _) i3 V7 s; D. i8 k             {
3 i8 ], W2 V/ A5 \. M* q% d
: B* l5 q, I( I) K7 ^( _             }. u) F( Q, O) J
            */' R1 I/ ]- G1 x) a; _! A6 l/ |0 z: v
            //comment out all methods, N=100000  202s             # }2 }4 R) [1 y* }2 G' Z7 u0 H
      }
1 [1 N, W2 M) ?& F( s
3 P; t$ C) G5 V5 U. U- S/ X       delete []b1;2 J3 K" ]) d7 H- j( D
      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
2 `" j1 f4 W* }: ?1 ^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 g: j# l4 I7 F2 `# U$ n( c0 l3 w' j( J* B
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
, K) i; Z8 O) X9 ~" 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$ G% g0 r7 W4 u0 N ?# P' d3 U* B
6 T2 W, _! t2 S1 D q6 P4 ^
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
0 Z3 D: v2 `. p6 F/ Y, O9 |void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
. G% F& _; Q, y R{
1 G \3 q1 y3 m. B6 V' X 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