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
8 D. Z6 ^7 m( g6 ]5 e拉下来？拉多少？. Y# H# j& q' i
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
' Z: o6 c+ E( s, w, P6 F6 L" x/ |/ XMaybe 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
0 h( g9 Y5 t% C3 y1 V, O3 a9 z( y8 Xvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)- h2 _/ t) s% t' }1 {; B
{9 e" D- {- f1 ^, S# k4 A6 w. B( 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$ h& _( g5 }: S1 T; |. b7 h. O
这个不是这么比的吧。。。
4 S- t9 W* ] Z3 Y2 V# t% i
# v" }) j7 Q* e' p" U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 00:469 D; z2 G, a# L& ^% T
有道理。
8 h! G2 h2 E3 Y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 u) _4 a, p! T7 `9 M" d/ P
这个不是这么比的吧。。。, s- I7 B2 P) j1 I; i

6 M* V# d5 {/ x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
J: Q+ {, a0 m1 B9 J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
; ]$ j8 o& O- C9 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 04:471 ^: [$ E* K4 _$ f F" M- W% y
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 04:472 j3 [* `% U8 `! _
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
5 F" x) x0 D Z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);+ L8 |( c' f$ t* j7 c0 f: R: c+ U
      std::vector < float > vec2(N);8 E/ K  X# Y( [- t% q3 d" ^! l0 \
      float* b1 = new float[N];" I& b% O8 I2 I# @
      float* b2 = new float[N];
' @1 ?) |: I) P1 v" c
/ f$ G/ |3 V  p6 l       for (int j = 0; j < 6000; j++)
, @' M7 L7 \; [       {
$ a) ^# u0 w  B' j, v             std::generate(vec1.begin(), vec1.end(), []() {
3 o( U! ~- ]. Q# }+ V                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;# J/ |! n2 r: x3 X7 o1 q! d2 N' p
                     });( X# O% z/ V. Q% \- b

3 \2 S. J# ]. a0 k( ]+ X) o             std::generate(vec2.begin(), vec2.end(), []() {
) K/ `0 U& m( I$ o! X                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;  Q' \( N  u: D# O- s8 X6 N5 |3 }  n
                     });
- g6 Z# n) Y$ }
$ x) l+ i  C/ _5 X. V$ [             for (size_t jj = 0; jj < vec1.size(); jj++)
, Z! J! n, \9 I& @             {
5 q* S6 {3 g" M2 j$ w$ ~                      b1[jj] = vec1[jj];' ]" H9 s7 o6 o# z5 t3 y
            }
" M! i3 N+ v/ Y7 j6 K9 l5 A
( U- t3 o9 s. K; U             for (size_t jj = 0; jj < vec2.size(); jj++)% P/ R& z6 X& b! Y2 \$ E' k
            {. _2 e( a$ a* @2 ?! D& A' ?
                     b2[jj] = vec2[jj];
6 `: M. U* F$ x             }
6 x" g) C+ H/ F% r1 ]) i) f
: n$ p  p2 t7 Q0 }             //Method - 1  N=100000 247s  ! X/ }$ }- W  [1 Z# I2 J" w9 Y, l
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
+ E; X; ]5 b' F; J$ O; T( Q8 z4 i
) B& z; E9 h: z! B( M# ~1 u             //Method - 2  N=100000  237s" }* d: I1 o, d* ~5 k1 a! H
            /*4 ]/ S! A5 c2 v# K; v
            for (int jj = 0; jj < N ; jj++)
& J6 J: u  C. S4 K  N& S             {& f: v! k, S- G2 J
                     fresult += vec1[jj] * vec2[jj];
9 r. d( R/ I$ t7 ^! ^+ m: d             }
* U5 F, b( _$ H; q0 G             */
0 w4 d& y3 [6 Q( a5 a  \
$ ]3 a9 ^: I7 Y6 J& y: q             //Method - 3  N=100000 204s
' ~/ T# W% D: b; E4 R+ V/ v             /*
3 U9 _* q8 V4 S( E3 V% v             for (int jj = 0; jj < N; jj++)
. v  j' b8 H2 E' _* L             {# v  i( m* E. V! B3 q9 b/ ^
                     fresult += b1[jj] * b2[jj];! Q2 ?2 {, k% `; g; f# a
            }/ y) r0 D% W/ [7 T6 ]
            */+ X" E9 j7 R2 ?( [3 V0 l/ S" a1 v3 M
  a2 ~; g$ P$ p9 L) C6 d+ d& E
            //Method - 4 202s
0 `9 s; q' L; `2 Y             /*
$ p3 v" U  j$ Y             for (int jj = 0; jj < N; jj++)
% Q& D, y9 O5 x8 ^9 j( s             {
& r# n2 L# z: h: W$ |$ F# m
5 _4 A7 B* X# h/ ]+ M: c6 U8 a, G  M             }) i  _6 @4 r* A) y9 \( y( _
            */
& @5 B5 \; C# _, e4 ]             //comment out all methods, N=100000  202s             ( v! a9 q, k7 o  s8 ]
      }
7 ^2 I: X2 R8 J/ c* C4 m5 B3 J/ ~. y  N) z+ L
      delete []b1;
+ Y+ S  e9 L$ z+ l7 |       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 R" E( r9 R; h. 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？
1 Q% t- ]4 M% _' N6 E3 C2 x
5 }1 Z' E* C, \' ~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
# F$ k6 F% g. p% N$ S$ O0 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、LOL1 l) y+ B7 f- b5 f
& l7 I5 @8 o6 z# Y) {
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
$ D$ d: w$ B P# |! J. _/ Svoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
7 ^% Y- E& A% l$ V{
7 ~5 l9 _' b! E& I4 {4 p 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