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
2 F4 x" [' t0 m6 ]拉下来？拉多少？
9 Z0 I* W$ q# U7 h% `5 m! B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
% Q# ~) j! h( P. dMaybe 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 23:543 N' r. |; k7 R
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)- y2 ^1 f. X1 c" ^2 S
{0 O# R9 g+ w5 P2 ~ f" X, _9 q
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
2 E) y, ? g$ Y这个不是这么比的吧。。。$ z9 }2 y m9 U' Y
7 I5 H# s4 q" c
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$ U. Z) h2 b J; _3 I( Y9 L+ f3 N) i
有道理。
; ?% O' O7 J+ `3 m6 {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 00:205 e- O; c& H1 Z6 y9 k: T
这个不是这么比的吧。。。
) L H& ]$ G7 W3 Q8 B* ~5 E9 ]& S4 {9 p/ t8 ]5 L
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$ K% E7 V! C) P7 \; m3 `) o+ y
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
+ q6 F5 M6 Z, U8 Y3 n( g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: t/ ]8 W! A4 Q. f; 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 ...

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- g. `7 Q s; x0 Q! p; |; N% o* ?
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 14:587 @& I& D( P+ o# ^
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);, Q% P8 U8 w+ n5 M8 R. ~4 G7 S
      std::vector < float > vec2(N);
" X  i$ o- h8 u! ^- ?9 Z       float* b1 = new float[N];1 P9 ?0 |: u3 H* R; k
      float* b2 = new float[N];
( l" {* ?) O! X4 ~; e0 ?+ X; _1 ?6 @" ?6 F0 n1 }
      for (int j = 0; j < 6000; j++)7 C7 P* I8 M% K" B! J- e
      {5 K) v4 w) h0 z, @; i, M, P: v
            std::generate(vec1.begin(), vec1.end(), []() {0 M% Y4 U! J! w- @0 X1 m' M$ T
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
- Z8 D2 ?2 h- ^- q8 U                      });' B1 g: g0 ?2 k2 u) o
8 o: v2 R. d3 l2 J5 U6 B, [
            std::generate(vec2.begin(), vec2.end(), []() {
2 L+ o- F4 [1 [8 Q# ?; U8 V                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;; q2 [4 ]* r! F
                     });6 k1 Z4 _! G# \/ G2 E2 D. V' v
3 @5 z( ]  U. l# }: T9 V- q
            for (size_t jj = 0; jj < vec1.size(); jj++)
8 |3 E6 s. x9 Y             {
! ]. r, J) r  e! x                      b1[jj] = vec1[jj];- w1 W; |! c! N: O
            }7 [! O" u) \/ Q8 G1 Z
5 p! t* h  ]( R8 w6 p9 O: t
            for (size_t jj = 0; jj < vec2.size(); jj++)9 O! f$ }' V, G( y5 C, a( l5 u# F% Z
            {. J4 ?  B  q7 O" G4 ]
                     b2[jj] = vec2[jj];0 a' q6 b: y4 U2 h$ s7 \: C
            }$ v; e1 x3 d0 h+ Q

: r2 B  ?  N9 \! g             //Method - 1  N=100000 247s
% ^, V6 {0 H- D  k             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
4 V+ C7 f7 V- @" [+ O0 m                               4 q- F8 o, V* M9 L7 A: j
            //Method - 2  N=100000  237s7 X4 T9 ]- q5 o. Z9 u
            /*
8 t* }- K4 W1 Y& `2 C. o& e             for (int jj = 0; jj < N ; jj++)" }) j/ f% B/ H6 t! [8 l
            {1 ]1 c4 C( a% K! Y
                     fresult += vec1[jj] * vec2[jj];/ b0 J5 L) F: U
            }
6 G" p: S- k3 W! l5 _             */
, S+ o6 j# O" j( t7 K. D2 K4 ?
( q2 \; L! f& E/ o: O' |% `5 v             //Method - 3  N=100000 204s3 u- A+ ?( i# N' c& _; s" G
            /*
& R( q) p6 F$ R3 l5 n9 T             for (int jj = 0; jj < N; jj++)
0 @0 V, C$ j( g  s2 W6 B             {7 R$ |2 S; n* X2 `9 g  G
                     fresult += b1[jj] * b2[jj];7 \' u& U1 g0 b0 F: \- C
            }8 q7 a  @+ F( I  [' \1 J
            */
9 T, L6 a% M2 S/ A7 P
: ?+ ]: r+ @5 D+ C             //Method - 4 202s
0 r$ I8 B1 P/ i9 ]  u, s2 t             /*
# O2 \' d8 K) J  w$ Y- A5 e2 \             for (int jj = 0; jj < N; jj++)7 m4 z+ r+ |& E% Q  f9 e& I
            {
6 F/ f' r+ }1 N6 d7 Y# Y                      7 r& Y7 ~, ^' `$ e
            }/ c) Q' Y" e  F4 A5 O
            */
3 u& N. I7 h, `/ K% y             //comment out all methods, N=100000  202s             ; u7 F0 j9 u. q% W- Y* Y+ E" j1 P
      }1 `: z- d: I7 O5 F1 f
2 G9 ~6 F0 @0 H7 w/ @
      delete []b1;9 {' i9 M3 c% x- x
      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
) g% t* ~4 d6 u9 {* [; d- ~$ s" G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？
) ?( k0 p0 v8 ^0 M' P t, U+ U/ }) p$ |6 \) @+ e8 O* o$ E6 f
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 01:169 t6 i2 l5 s7 V. O0 z2 p
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
" q/ s0 L: i( B6 ]8 g5 J9 ?2 q* c. @ y, g3 @+ C
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, V0 o6 W2 [7 t
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
: y/ z: w! k; `" Z) K0 }$ k% M{
3 d# k s; t. L3 x1 Q 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