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% Z( j' }5 x; `- h H& \
拉下来？拉多少？
9 X2 T7 _ l7 L: [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 Q! {0 @- s9 @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' C9 {: W2 E4 }8 T! S
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)- J2 O# E' R! Z M7 g& k: Q
{5 U' h+ Z& e( C4 W1 I* _. k
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 00:201 f7 e" y. Y2 _$ T. W: G
这个不是这么比的吧。。。7 Y& c0 @% R. Q% k3 M/ `3 K \

4 j- t, [8 j& \& Z5 P1 w5 ]0 G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
# R6 D" \& E9 z( E; O$ a: e有道理。* D5 q- F$ M4 K6 @8 n; g* ~7 v
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! d) ^4 j5 p G4 s( G
这个不是这么比的吧。。。$ `! s* q/ }3 f, B" |7 g! `
0 [3 ^3 u( b+ N% { 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
) Z |: M6 J6 |+ B: t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 01:271 p, h: `4 Z( F3 c6 @
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% G7 X& Q8 d' | |3 z/ X8 Q
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
7 a0 }0 }7 h! H) p8 X, W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
# \# K1 E& }1 N4 U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 D# q0 o! B' X+ ~, m. B1 \1 N" X
      std::vector < float > vec2(N);( p! d+ G) ^7 F; h6 K
      float* b1 = new float[N];
) p1 J. h( I% @) I$ P; ?: U       float* b2 = new float[N];* A5 }, w% w: k9 `5 d

" j" M- {9 J2 }4 C       for (int j = 0; j < 6000; j++)% c" U2 P! W; w* G' M# k# j! l
      {
; `2 j9 i+ N. {  X0 M$ u; `             std::generate(vec1.begin(), vec1.end(), []() {
/ p6 l6 v* i$ E$ p                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;8 c# h# I: L* n# X. T; }  C# r
                     });
, I, d( H" h7 w1 e2 F
6 _4 H! A9 \$ O8 Q- Z             std::generate(vec2.begin(), vec2.end(), []() {6 l& C* x, P& x: }- P4 n
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;3 O- d3 |" ^, T5 h" n( y6 b! D
                     });8 o& h# ]6 O. p4 u9 P- P- D
/ u- ~: }& s8 |6 {) i
            for (size_t jj = 0; jj < vec1.size(); jj++)! P# I/ Z! y' w/ I
            {
; h/ G: k2 G/ F5 O+ |3 @' t- K  M                      b1[jj] = vec1[jj];
1 b0 P4 g1 q) \- g% Y% z0 N             }2 B: _. i- m9 K' V3 O

# {6 X) T8 m/ o" W9 A             for (size_t jj = 0; jj < vec2.size(); jj++); z8 Q! y4 A/ j: Y$ ^
            {
" W) E$ C0 O5 ]) ?- L                      b2[jj] = vec2[jj];
. s, K" Z% X2 ^0 Q+ A             }
6 _. j% ~  v2 k! W' s( J* C. h' r0 Y
            //Method - 1  N=100000 247s
. T) k: D) C' _8 r5 c1 C             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
% N, u; e) Q1 q5 R0 z
" Q& U  H. ?' i             //Method - 2  N=100000  237s: ]3 M: o6 i( a# K/ A+ y. \- w
            /*
) r% o. O$ X) S6 k% g             for (int jj = 0; jj < N ; jj++)
# [1 ]% |0 t' e             {
5 I+ K1 S5 J! L6 p0 _3 \                      fresult += vec1[jj] * vec2[jj];
7 ~/ c9 M8 {' l. U( C0 e" \! V             }: O6 M% w) T& B+ I, [& ]
            */. D$ K  y7 i" ^& M* {8 ]- v1 S

9 s( P8 H4 D7 x             //Method - 3  N=100000 204s6 u- c- R; s# E, g
            /*1 M% ?! j8 n, [- @3 c% h5 X
            for (int jj = 0; jj < N; jj++)
5 Q4 w0 Y$ ^6 S) [; ], X  o$ T             {3 J* x9 p4 a* i/ a8 E. G9 Y# n
                     fresult += b1[jj] * b2[jj];
0 B# U" w7 b3 K8 o8 a) Z+ x0 C4 z  }             }
8 B# G. ~4 Y0 r" X' p0 k& D% @& K) T             */6 G; ]0 t& `/ v- }* `
  z8 G$ g# O5 Q
            //Method - 4 202s
9 X( W; X1 D$ ~4 V4 V+ W' r             /*
# V/ n& I: Q; g/ N+ R$ y/ d3 o             for (int jj = 0; jj < N; jj++)) l# ]) U- H: v" q
            {
: Z" i; u7 v* Y
) I# S' f  G+ h$ T/ ?( T2 \             }
8 m$ `2 N4 P2 _  f8 H             */" I" [6 o3 l- B% u( t3 y
            //comment out all methods, N=100000  202s
' F. C  j. n, [& x' U       }
7 T$ p9 i6 w5 s/ t. x
4 {/ j! N% R+ a       delete []b1;
, H( `8 E$ J" g; ]1 }+ X1 D/ P3 |       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 p* g& J% F9 ^8 a& t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？
' C3 b; t/ v+ C8 c8 \
9 f" w+ |+ ?1 a) L' x/ I- Z$ q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* }: w& V7 g2 ?' f% @/ Z
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
0 P! r* e' k% F; p/ m3 b/ K9 i5 f& B. m) c6 x# T
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
& R' o( t9 ]# Svoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
) A! z6 ~" Y2 e) o' G{6 D/ A |3 ?8 `& Y# U* m$ Q2 Q+ n1 \( D
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