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
, L- Q( e) o M/ ?/ R7 c" l拉下来？拉多少？2 H5 r6 w" W$ d2 A/ q7 p
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
; \( Q8 a* Q1 |* l0 a4 J9 YMaybe 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
; j) k3 ^/ L+ k, _9 avoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
) K5 n" B/ ]6 e. l" W{
' D+ A! d6 `" D8 H I2 Z8 w 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
: N. V/ u+ T4 F! H. W* e: c9 s: Z* |/ X这个不是这么比的吧。。。
0 H' w$ N( W* Y! N7 N- \% D/ Q% u" j" R/ P
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
" l; |/ |+ ~: u, f1 H: K1 ]' ]1 H' X有道理。' p) x" _2 G" \% a) f
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
; e& C5 s$ l* I- k3 A0 x5 H这个不是这么比的吧。。。
; u. o* Q! [9 A1 h1 q, a+ H6 w/ V& g7 |9 g: p
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 01:487 M: g4 E/ |# f% Z2 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 01:279 |: ^ |6 ]( j7 E2 l* H4 |& d' j
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
! y" o- ~+ m6 t# Q" O+ C) |$ A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
0 o; ^* J5 {2 c* F: f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# c B; f5 K- K% o) z% v# y3 H
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);
5 O- b. i4 C) f+ Q0 w& t       std::vector < float > vec2(N);$ G+ [7 a7 @* d; a# @; I
      float* b1 = new float[N];3 {$ V% s; B: W# u/ A5 ^9 h
      float* b2 = new float[N];
# E6 U( c4 t8 T7 d6 @" I. P& M  r. ~9 h* o9 s2 A# C
      for (int j = 0; j < 6000; j++)
0 o+ b0 d# ?# y$ j, x/ Q       {1 Y" a' g2 S' t! C( r
            std::generate(vec1.begin(), vec1.end(), []() {
! ]8 `) U" ~% m                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
; e! N" t6 t2 v: i* [" M0 Y6 h% P                      });+ L- Q5 D0 n+ z3 j7 T  w
: b* u; H% }5 O& r4 C
            std::generate(vec2.begin(), vec2.end(), []() {3 n: ^  w$ B- W" C
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;3 q! w' B& @) S: {9 [/ I8 s2 c
                     });
! W# H; j" h2 g. n/ _$ N$ v( E
            for (size_t jj = 0; jj < vec1.size(); jj++)
) d2 U9 Q! Y# e+ q( c             {
: o4 I, {" k; ?' q                      b1[jj] = vec1[jj];0 a( O3 {7 E; E# ~/ j7 Z
            }; M  y7 R9 T8 _  d- e2 Q1 ^: y

4 P" V& _; r% Q9 c* \" I             for (size_t jj = 0; jj < vec2.size(); jj++)
/ J( ?9 g+ x3 A+ n* i& b             {) h/ N3 g% U- F8 E, v& }
                     b2[jj] = vec2[jj];6 Y; H* P- W& L- C' T* w& w
            }- D) Y& A; B2 u
5 S6 F8 V" c. p: B& _
            //Method - 1  N=100000 247s  7 S& n" N# p" I3 X+ Z) F1 Z. T
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
% z& I& s" g3 ~
4 g% ~) J7 L, s. k. l' x             //Method - 2  N=100000  237s
8 @, a: s! \: S. W+ i8 v' ?( y6 E             /*! b+ c" S) r% j. q- {
            for (int jj = 0; jj < N ; jj++)
8 p2 j4 s$ d6 j* j8 k  M4 Q% t             {2 G' O. P: d" ~1 I$ S. B* A9 v
                     fresult += vec1[jj] * vec2[jj];
+ w* E; X/ g5 r             }
' L& c& E" B2 v6 N- Y             */( S$ Q$ y+ V; @5 a
                                A3 P3 p0 N* z2 t
            //Method - 3  N=100000 204s# E2 y- u) \+ d! Q. A  P6 ]  L* O
            /*
1 M) ~" N5 z# T7 |, M% C! g; N             for (int jj = 0; jj < N; jj++)5 t' g  F4 ]( X/ d" P' k& {
            {
; W& o" ]5 R$ n, U! `  l" a                      fresult += b1[jj] * b2[jj];1 \2 N( u' s( R7 K7 L; G% L1 w# _
            }) {8 q# K$ z4 H& W2 I
            */1 Q+ H6 B" w: }% `  u4 y  s" d6 A

$ A6 {3 n; Z; N/ W1 W# ^, E             //Method - 4 202s
+ X) s% s: e. Z             /*
1 A& I* v" y5 F) {1 \* }             for (int jj = 0; jj < N; jj++)" j. |( C: t3 P+ ^# P+ q
            {2 V- o3 N3 q) Q) m1 U/ L/ G, ^
                     + n9 O: [9 h5 C+ P5 L$ y1 U8 F4 N* h
            }
+ ], B- e6 ]4 R# O) o             */
: U0 P; b6 |0 ], `7 A) t' j             //comment out all methods, N=100000  202s
8 z+ O9 T2 H/ n' g0 }       }
& {9 D) ]+ G) s& }7 o! B+ T. e0 f% S8 s- U$ l  o
      delete []b1;
7 W. J" g: q* `9 t% |- O       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
% {' J O: a: d* o: d/ i% @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？
2 F: P3 k- _, v; y1 V
# r7 ?( Z) _# d7 _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
' r7 }( I1 Z4 Z. C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、LOL0 {# Q7 @; j2 O2 g/ l

# S% p( g7 m; j$ J/ c" d9 G4 p; r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
: ], ?; |3 h/ X$ | B5 Gvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB); \/ l2 j, }* y* i
{
8 l+ M7 V& X# N9 c9 i 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