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
, \7 a; s) I3 n# p8 N; m9 K, t拉下来？拉多少？
% ]+ e( `; I* m1 ~# r/ ~6 t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 23:332 ]! }+ \" ^& 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$ Y1 E3 r( H: X5 O# Q3 F
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)2 \5 d+ ?8 t$ W, r8 {# @& o" v
{* J5 u8 _4 P% a# o1 i
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
. I& i3 r9 ~% ~! {2 S3 \) E1 v* q这个不是这么比的吧。。。
3 T' s1 F ^( Y) G
& v1 u7 V' _$ {9 u8 Q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
) ? h1 F& l6 F, e有道理。
: L0 |! ?5 T) H; _8 a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
. Z- t6 ]8 o$ f! S) i这个不是这么比的吧。。。
: G4 [$ l7 U4 y% t! d( c& F% p* B8 ~& ~- H* |4 s
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
; P# ?- F d* P9 m8 h9 y: R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
6 L- Y6 g+ A2 U5 Y. P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
. Z: C5 |$ G6 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& S; I6 \ w( w# o6 U
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
& s* c, L5 z, }- ?) @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);0 k8 ^) r$ F0 Q4 r6 x
      std::vector < float > vec2(N);
9 I: J" y: R3 T+ d) @0 r       float* b1 = new float[N];
1 n( U$ a. X9 ~8 m       float* b2 = new float[N];
. ~% d3 p# u% o0 C
/ |6 N* X( O) \2 n2 W( T" p       for (int j = 0; j < 6000; j++)5 j8 R, D3 k# B, @6 {9 L
      {
            std::generate(vec1.begin(), vec1.end(), []() {- t! W4 Z6 S; n9 E/ m( L' O$ z
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;1 M) v9 _$ y' ?
                     });+ s. z. U. N; G8 R' [
: o! J( x7 t; }2 z2 h5 i
            std::generate(vec2.begin(), vec2.end(), []() {9 u6 ]0 R: Q0 ?
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
( ~. f* u2 c9 R3 e) L                      });
" _7 s1 R2 V; ~. y3 I' b* q, F4 {
" Z' w+ G( H/ X1 `8 _$ E             for (size_t jj = 0; jj < vec1.size(); jj++)' M: R7 m: s4 [0 p
            {1 S- P8 j# t( D4 C0 I
                     b1[jj] = vec1[jj];! M, o; Z+ D5 l7 H% v# `
            }8 Z$ Q$ K" f# B! w! p
% l* t; z$ f: t5 n, w% O
            for (size_t jj = 0; jj < vec2.size(); jj++)
9 E# c  U( w: N3 C& z  V) u1 [4 k             {
- U( x) d! C6 \+ X                      b2[jj] = vec2[jj];9 K$ v/ K9 r: A) O
            }
: e' _' T) Y4 b- f$ |
0 E0 P6 A0 }0 a# ]" U             //Method - 1  N=100000 247s
6 O6 N5 y4 W& V$ C4 @; \             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
$ K4 }( Q. ~9 Z, G5 K, T- |4 h                               3 a: Y# P7 V6 J, Z
            //Method - 2  N=100000  237s
% K5 C1 L! c0 f7 d0 W% L) g: l             /*
" ?8 Q9 r5 n9 Z! V7 s2 a. |6 l7 p* b             for (int jj = 0; jj < N ; jj++)- ]6 H( |  R2 V. V3 f! ^3 ^* _& u
            {
% h; Q! }* U, `5 z7 `9 \9 H                      fresult += vec1[jj] * vec2[jj];
6 r" f. ]- K, @/ J! d             }
$ O! y( u: U  i  i( k. Y% |             */9 a2 V; A6 K. ?$ f# k: X

7 k( l3 v8 E: U( J             //Method - 3  N=100000 204s
$ t" v2 @+ Y* Z# [: @             /*' E( n8 w; T1 n/ ~; d  h- x4 }
            for (int jj = 0; jj < N; jj++)7 y' N3 @9 a' v, R) ]
            {
+ B9 e, N+ r3 ?- P; @5 l                      fresult += b1[jj] * b2[jj];
1 P: ?  W8 Q  h7 f             }
/ B& A3 k1 I7 D# d             */0 J/ i6 ]# E% q/ B

6 t% I; X1 f9 D, G! ~             //Method - 4 202s
3 I; f- b9 u: @/ {             /*
% T8 j) w& @! V! F$ |% p' G$ \             for (int jj = 0; jj < N; jj++)
' a7 d$ ~2 c% r" k' g, [6 f) K/ n             {3 ]% P0 n. n, ^( v9 `4 z3 U% E, B
                     1 J7 @$ V! @. P5 ~  ~1 ]
            }3 D0 W& e. N: W" Y
            */
7 X. L: \/ W" @7 S$ N             //comment out all methods, N=100000  202s
7 E( D& r7 u2 I- T5 l8 j2 l       }
1 T" M8 d: ?9 ]/ l6 A% H, {( B6 }) f* w- t: i# ^8 j5 _, U. |
      delete []b1;
8 F* L8 R$ Z: ]; E2 ~/ k8 v2 {       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 L I+ q7 |2 G2 T4 i9 D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 V& B2 M% d- N: {

7 h9 v+ r0 K8 H# E# R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, C% t0 C7 C0 C) Y4 X. S
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% u# K) `- H3 B& r. _, F; F
, T8 b a: P& ]& S
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
+ S" m X6 W5 `/ X7 W, c; b; ]void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)4 F+ I, V( E( }
{
* E) n: P; x6 H+ c- H4 P; g 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