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
- t3 ^5 S% K6 c! w拉下来？拉多少？- F: P8 F8 U! z; D4 n. 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 23:333 _8 Q3 e: u: M, I* 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
) U: J* f: u( b1 q+ D0 i( Ovoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
/ D9 t" P5 W4 W* P' I{ {4 e& V6 {% y% A/ d
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 s/ \9 }8 J( D( R这个不是这么比的吧。。。$ k9 O z: D: h8 c

8 c7 ^9 e$ D- v1 M6 n# d4 e h- R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' i" J+ O- h2 s) A4 U' R
有道理。
e$ F% ]5 P7 Y! U1 G4 u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
: M g1 f( F5 L# z7 k这个不是这么比的吧。。。
9 `7 I0 j3 p9 t, D# w2 _1 f0 V% K5 s4 _+ I
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 01:488 [( O* O. i' D3 F, N' k% n0 X
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
2 h: X4 L+ N3 Z: a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
! M0 n! q# H% \7 L2 f9 c$ 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 ...

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
. P3 z o) a; R. H4 h4 W* T$ x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
& p' ]1 z% r* a; 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);+ S: @( G* P% O  J
      std::vector < float > vec2(N);
3 D! A$ e- K. [7 W* F       float* b1 = new float[N];
% |9 s: \( ]' q2 @. ]+ T7 q- ~       float* b2 = new float[N];
' b/ E+ W) _1 W2 q" R8 O& S
. S0 \+ B3 n$ Y- v- }       for (int j = 0; j < 6000; j++), l! z1 {9 B: h! q2 A/ l3 z7 e* S
      {1 Y: J0 d5 e( _8 C" v6 u5 N
            std::generate(vec1.begin(), vec1.end(), []() {' L" Z' s! s6 O( K
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
- ?4 @, S8 k( `" S* T( X+ l! k$ R                      });  U: x9 S3 ^5 p7 c9 q0 b
! L, e9 v$ q3 l7 o% u1 q4 ]& V) u
            std::generate(vec2.begin(), vec2.end(), []() {
* J  n( [( o: \0 d                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
+ r! N& e2 b6 R+ o; F/ c                      });
9 l/ I- W% G2 u  ?# P( u  p$ u; C+ g. G: A$ l) D( Q0 Z
            for (size_t jj = 0; jj < vec1.size(); jj++)
* t7 c2 n6 q" X, T9 H/ s) n             {
- |9 P0 h" v/ ?3 p7 ~! I% L                      b1[jj] = vec1[jj];
; ~5 R  S7 W: p" E* V/ B             }- O% B9 F) h/ E3 i

; ~/ w/ O& h0 K7 s  N6 Q4 O             for (size_t jj = 0; jj < vec2.size(); jj++)4 T# R$ j' g- j& @6 Q3 p
            {
) o" f; ^* ~6 |3 }                      b2[jj] = vec2[jj];0 t! h% u' I, R! U- E# Y! Y
            }
  K$ z6 ]5 s8 H( k8 N: X5 N( e
3 w: @# X, {, V             //Method - 1  N=100000 247s
& d! ?, u1 Z5 J! \8 Q8 H             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);6 F, s3 a4 g8 e& C' I0 D5 ]
                              & |2 X9 E# F5 t7 g* X& S5 `% T4 c
            //Method - 2  N=100000  237s" w/ R9 H+ U; ^  W6 U
            /*% P4 W8 P$ k. P. X  e! m; \
            for (int jj = 0; jj < N ; jj++)
7 L- ?3 ~6 {( E7 l% P3 |7 }- x, l             {' R  t; u- {3 s0 g+ ~; F
                     fresult += vec1[jj] * vec2[jj];7 T  ^. J7 g# m
            }, Z; V; @3 `% u1 E6 N4 P
            */
# j! b% [' i5 n) H( B( S                               ! l  S; N& {* E4 C  Q0 ]
            //Method - 3  N=100000 204s
2 E0 F% b2 H$ `0 o             /*
. R( C  g1 O' G1 U+ C6 }$ |( {0 B+ X             for (int jj = 0; jj < N; jj++)
8 U* k) R1 y  K7 W& n             {, R; u; H% |: U0 f5 Y6 E* R7 R
                     fresult += b1[jj] * b2[jj];2 f. x4 l8 K0 u3 r( `( `7 P' Q
            }
- H. ~/ J: X5 K, ^$ ~             */
6 E; e3 U$ y- s; l1 w% \- ~
4 i7 U$ p" J" j% O3 p3 v             //Method - 4 202s
/ L2 S$ |7 y. _: h             /*& C! z& O' p9 R, }0 ?) |
            for (int jj = 0; jj < N; jj++)- n, K& H. _+ S% f0 B
            {/ @; v$ M% d! i3 F0 z
                     * s' W7 J; T) ^5 a  G& ^# O
            }8 u0 U5 E' m7 e7 t% ~7 t7 J& f
            */
" v, |7 h. j2 d5 G. J, Q* n             //comment out all methods, N=100000  202s             7 E) A! z, f$ T% A# {4 {" V: ?
      }9 \- I/ N- a; x1 v
2 p2 U3 F- E4 f) E7 y
      delete []b1;
7 V  ^9 M. E+ a       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
# ]3 N+ n1 x# W0 u/ F" c7 b" l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？# X8 x, J6 @: k5 ]( g

9 B- D& n' |8 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
' A9 m! ^' }" H$ [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 t: l, _' J. {% i( B

% Z' i" x0 k. W- ^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' n7 P" L6 `! b4 G V
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)* E c# N: k3 K- g& j U
{
7 u- U5 e: d' W! O* P1 s, Y 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