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& C: W, k/ z4 i3 Y8 j
拉下来？拉多少？
/ s- }9 _8 {% k2 N- K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 23:335 T; j" ~3 {2 C' F0 M
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 23:546 R1 F& r2 ]$ n
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)5 Z3 M- O# N* b, I# s6 j! F, R0 |( E, K
{
; F1 h7 X: K" v8 C& H9 ? 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 00:202 c7 `$ [' g$ U3 W$ c
这个不是这么比的吧。。。
; {: ^" Q! ^' a! ~' x/ |+ f5 c1 N" I& u# a# 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）。

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
/ K% ] d( @) ~; I6 P4 s/ R有道理。
2 C/ C/ }1 g1 }% U. c3 P, O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
0 n- V) h: a1 u+ k1 m这个不是这么比的吧。。。6 I0 F# y# d. K% m" n& w4 z6 Y

8 P+ ~0 |7 |2 ^5 D5 y0 v2 z S2 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# _5 T/ G6 e; }+ Y, f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
# Z6 G+ |, y" m1 |6 x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
7 [' G" s3 l' 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 ...

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
' D$ _: x$ n4 e* q, D" Y# ?* 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 ...

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$ P8 S8 f* j# Z4 B& i$ @/ a. x
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);
( C8 b- ?* j5 z. g9 H/ G       std::vector < float > vec2(N);9 ^0 q/ @( P" N2 K. e+ c  X
      float* b1 = new float[N];( `( O- M% D- f! |8 L2 w2 ?1 K1 j
      float* b2 = new float[N];3 s" h& A& H! I+ G+ K

& f4 t  y' x: ~' s       for (int j = 0; j < 6000; j++)
5 s8 m( W; d- P% d3 b: c       {# ]2 m3 W6 P8 M% z% f
            std::generate(vec1.begin(), vec1.end(), []() {# w# G& I+ d) D
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
( g9 B- J  h5 p+ o2 b& l6 K                      });
9 b) X: U( A4 A6 _
" \; M) q+ t, H+ Q# O0 S: z             std::generate(vec2.begin(), vec2.end(), []() {
1 m4 y0 j: z$ R+ T                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;) u3 t" x# c5 O' `1 R# k
                     });: [: i/ T: Z0 A% P) F, d

2 `' G& O+ g. r& m1 R% i             for (size_t jj = 0; jj < vec1.size(); jj++)
+ K# O9 y1 i  T$ C- e             {
$ W0 ^: T0 g: `! O! Z+ X5 c                      b1[jj] = vec1[jj];$ t8 L9 u, l7 {0 T
            }
/ g! t3 r2 @; e; ]- Z/ ], R. `
- M- N- ]) T8 @# I" u" B             for (size_t jj = 0; jj < vec2.size(); jj++)5 d/ _& B( o3 O7 A( ~& }
            {& q9 l" k5 J$ E) m, k8 T) i) J
                     b2[jj] = vec2[jj];
$ Y: Q9 ?- M1 K5 B9 ]) ^             }
! D% f6 x0 \  |; ]9 G$ u# l
, Y# a9 F# l1 m" r6 y             //Method - 1  N=100000 247s
* p) n/ j9 ~, h, ?; G% E             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
8 p  H! U- D& Y& y                               0 N, Y6 x: z' \
            //Method - 2  N=100000  237s  p4 r/ C/ s, i- x5 }
            /*
. o' x8 j+ w. |, M, |5 A             for (int jj = 0; jj < N ; jj++)# s7 s/ v: ?' H1 a/ h, h0 c
            {
, O, h( x: B+ r% J                      fresult += vec1[jj] * vec2[jj];4 w2 c" [* \& A: o
            }
# @  I5 j. z, n             */
0 Y3 P' L4 K- M) N9 ~  n+ B* B                               $ m& N, x% U9 M& p2 Q7 X3 l, M
            //Method - 3  N=100000 204s8 b( Z8 S2 m: p) Z- g& H: h3 G
            /*9 |- V2 l9 b  _8 m! c6 l: t! `& ~& j
            for (int jj = 0; jj < N; jj++)8 b% o3 D0 W$ W- v" m9 l
            {! b3 k" f" ^  v; g
                     fresult += b1[jj] * b2[jj];- k' C( n/ g/ f  S4 P' |4 a/ X
            }
7 d% \% @3 B9 e6 j$ q             */4 n' e5 {( B) |$ \) i

2 O3 D+ x6 M) X1 p& j             //Method - 4 202s" e+ O6 ?2 W7 y. j  D4 b
            /*0 f5 a: A7 ]0 O- ?
            for (int jj = 0; jj < N; jj++)
2 E/ L5 |9 F' ~# H4 i1 _7 Z             {
' V7 M' H' W. T/ R                      + i1 s" C- E+ c- e2 n' Q$ D" J
            }; y1 q; E9 t9 @: ?
            */+ e% Y* h" z: r9 m  k7 y0 e4 u5 I
            //comment out all methods, N=100000  202s             ' q6 U) d- @' W' X/ c/ o; U
      }. q  ~& m% m& D2 ~

( K, U" Y  l" o5 W  M5 N: W* n       delete []b1;# C5 f7 |) k7 k2 h: Z4 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 00:152 t1 ]! l9 G0 d+ p
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？0 l; j7 P& w: O
% d; W1 K; W1 I- f+ l3 \) `
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
! L$ X' y. X* 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、LOL
+ d0 U+ V7 n! H* A& r2 K( ?4 j, P1 s; n0 z: U6 C4 d8 L; y8 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
9 q" k6 ?7 ^/ K6 avoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)( Q" ?' a, d! w& w9 R6 r
{8 u. q/ b( ], |5 C8 Z7 w. S! m
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