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
' {% @% p6 W6 D) U' C. K4 O$ s拉下来？拉多少？
( D% `- L8 f( I3 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
( [6 V1 l9 K5 @9 h4 X$ s0 S* lMaybe 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
1 `/ V; l4 A2 C0 v |1 A7 _void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB) e! m* S7 _1 w+ A# j
{
6 F1 H1 ~7 Q' u+ n" {" [6 n 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
% y/ [+ r7 q% z0 R, R* e, l这个不是这么比的吧。。。
' a* ?- g4 `- _) O# B
5 S6 `* } x5 |" 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）。

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 00:461 t+ R2 ?1 w( \' ^
有道理。
% ]3 Z! s+ O; _6 w" {% Z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
9 y9 R7 f. }8 N" L/ E1 H1 E这个不是这么比的吧。。。" s/ k9 m o. w0 k7 b, c
" _: p* ]( c5 x" p9 }2 w! p4 n& 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 01:48: w( Z7 l$ o: L8 d! o4 _* K
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
# I _4 X6 E4 k+ \# ?0 U% I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# {8 T; Y( e/ X1 ` K: U( g q2 \; G
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
6 P3 A. z: v# `: I" O. s5 s7 B: K' D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
) }9 s1 O, i: V, z" k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);
( G* \( L6 K4 P2 @       std::vector < float > vec2(N);; e. F9 [% m, H1 H1 P2 q# A; \5 g* o0 D
      float* b1 = new float[N];
( f/ x1 I- g) G/ R% y( U       float* b2 = new float[N];9 D0 a( }- g5 I# o
1 g8 a. y, Q% |! s
      for (int j = 0; j < 6000; j++)
+ F9 Y- P8 K2 |3 I' j; |       {
+ n, x4 p# _2 }3 }1 [) W* `             std::generate(vec1.begin(), vec1.end(), []() {8 Q* h$ m0 N- `. ?7 H, w+ S+ s; N6 C
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
9 |8 e5 k, K, A+ b" Z                      });
& ^+ c) S+ J. _
: s& |" Z+ c% T7 ]" t             std::generate(vec2.begin(), vec2.end(), []() {
; {8 C: C/ ~0 R' z# J                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
0 L# w$ B3 d) V8 o" Y) e                      });
( ^( ^( [( R! Q& ~# d( `1 Y3 M3 m; Q- r' B# I' I* l2 b2 f$ e
            for (size_t jj = 0; jj < vec1.size(); jj++)% S2 n2 z9 k  g9 P
            {9 e: t3 |3 a* L; R: ?9 B
                     b1[jj] = vec1[jj];) \2 z, i0 F$ I" I6 v
            }
4 m, L, j8 t1 I- K! `5 a( r0 \
6 e+ k; d  j7 x! l& p- g             for (size_t jj = 0; jj < vec2.size(); jj++)
( n& g0 r* \6 W# _' |& n$ O) U             {; R2 f0 w3 S. n9 G4 c6 B' A
                     b2[jj] = vec2[jj];  K7 u7 x8 K6 I0 Z3 i  r& d
            }) \" I% A  N0 ?7 o
2 c; C3 F' h! |# K
            //Method - 1  N=100000 247s  8 M! Q- |  E. ~- U, K
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
/ Y3 X; g  r  A' l
; x; }( x* Z' m. r/ x             //Method - 2  N=100000  237s0 g  S* }3 R4 ^, K
            /*
& M& k4 U, G- t5 g) i             for (int jj = 0; jj < N ; jj++)
  I4 _5 {/ I7 Q3 c7 Z) L             {
0 _( R3 j' [2 B$ G3 i                      fresult += vec1[jj] * vec2[jj];, H* w  z0 P# Y5 v) U
            }
" q! K) t/ }/ q& k$ B             */1 n" p6 C5 @; F! _( H

4 p  l3 s  g7 v7 q             //Method - 3  N=100000 204s
; L6 f9 ^5 |. @) V6 @4 d  M             /*+ _1 _; H0 X$ g, D- o
            for (int jj = 0; jj < N; jj++)
% r- F6 i% _* d# q* m             {
: i1 u, R( `) L) A) b: I                      fresult += b1[jj] * b2[jj];. z( M, u0 g! W* Q" r+ Z) {9 g
            }
3 c, ]+ V+ r1 D  X. ~             */6 g6 i3 s% W3 f; t; d3 P# E* x$ `2 W* \
& I+ r2 ~( ~9 Q# t* Y
            //Method - 4 202s
1 r5 X' [3 D' {/ M; O# u             /*
1 q. b2 t8 p2 ~/ W& M; b) t" V             for (int jj = 0; jj < N; jj++)# O. w! e0 K+ j% M- y( }
            {
( M; ?; E7 S- H8 y! u3 _
6 |( j9 P( A  I& D; P8 c: u             }; w5 a  A& b- _
            */
: `! C. y9 j. b$ {6 J             //comment out all methods, N=100000  202s             ! t/ M( P6 \' g% A4 N
      }
/ K: z( m# d/ Q, Z  h$ c7 ]- S  n, i: c$ i# U9 A+ J, a
      delete []b1;
, r& a9 P' \5 j1 O8 y- ]       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
: Q5 g: c1 @& F. A. i9 Y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？* D! P# s5 W$ G! Z6 j6 |/ ~& k" U! F

/ n! }2 @" u) }* ]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
! m1 o0 E' }) l! {6 |# A6 G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、LOL2 y2 [7 A8 F' q5 r- M
/ ?( E" W: ]3 i9 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) J3 J+ b. v5 l6 m6 K" D& v( Y
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
8 c9 U( a1 l' o8 ^9 V{9 Q5 W7 `" S/ r( G0 Y( 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