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 23:043 \$ t" O P& [! ~) S+ `, O" i
拉下来？拉多少？
3 G. N* Q+ R; p- D. h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
; d. r" C3 v. X9 A7 ~0 _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$ }" V- i2 m$ a D; L
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)6 H% i4 v& o' M5 c
{( v: r8 `' r3 O Q( \, V
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
$ o: c( |0 [% \6 O% n& z这个不是这么比的吧。。。
$ N2 C/ ?5 m; O# _: E7 ^) ]. N7 A9 Z
5 v/ p2 H" g# c/ x- [9 Y/ w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) d. j: J" j ]
有道理。% F. g3 h1 t* b3 U7 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! w0 i' _8 I2 h4 X
这个不是这么比的吧。。。
$ V) Y4 t2 Z0 ?
8 V! ~$ l/ d+ D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
& U; F: p; U; @' r L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! l3 w( d- l0 F/ \% n% ?! c
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
& d$ y0 T: @, P, H2 A) B$ e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
$ Q; T1 T" H' X. @2 M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
$ Q- L; D* \" z2 @3 L! _5 i- f' R5 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);, v8 o2 t* n7 I. f& w9 I
      std::vector < float > vec2(N);
" x1 V! v5 |, }/ U( M0 W9 y       float* b1 = new float[N];' ^. {, x1 k* K( R4 d) k
      float* b2 = new float[N];9 |9 W/ L, Y2 k9 e8 V  v

/ G9 {4 [) n3 R5 K) M+ z1 z$ V( L       for (int j = 0; j < 6000; j++)  a, k+ E6 \* i! t% e* \  h  k
      {3 U& }# F& Z5 w. H, O- i, q! D
            std::generate(vec1.begin(), vec1.end(), []() {& j. I2 i0 e$ j- S0 K% E. \
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
  }: L' g$ M; S' S3 J' R                      });) l. ?1 b& G" ?. r7 n' o

8 O) H7 s5 u, E( k6 g             std::generate(vec2.begin(), vec2.end(), []() {1 r! @; p/ |; @4 B0 O6 I! L
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
4 f, i; X& E1 L0 R  n+ c                      });# }; i" k; Z: N; m

* C: u2 c  B) |1 u: `             for (size_t jj = 0; jj < vec1.size(); jj++)) Y; i% |+ Q( C' h7 T& O' T
            {6 ~) P  r( `5 d8 R
                     b1[jj] = vec1[jj];
6 C2 d7 Y) S7 P- [             }% ^* H  r' ^  [7 h
0 D. Y3 ?0 r8 h8 E2 q* _; f
            for (size_t jj = 0; jj < vec2.size(); jj++)3 n. N1 O- X7 [
            {" Z% p/ }3 a( p
                     b2[jj] = vec2[jj];7 Q# J+ a. ?" J5 k3 b! s
            }1 @& P- ?/ l' D1 ?& e% V: W

# F0 i: z+ [$ z+ ?4 m& X7 Z             //Method - 1  N=100000 247s    k/ \: _0 y" X
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
+ r+ g/ P/ B; z3 j, v# L8 R
! y. y8 F' |4 ]3 v             //Method - 2  N=100000  237s& f( Y: Q1 Q  Q9 m5 m6 x; g! K+ a
            /*
; P' n# v0 e6 E* i- Y( [: r             for (int jj = 0; jj < N ; jj++). t% [) g. Q4 \- j, ]& \
            {
6 Y; \4 P& c2 a! Y( e9 E                      fresult += vec1[jj] * vec2[jj];9 k- H3 F1 j; W. |1 @, M/ x
            }  {- c) D1 q  o6 t
            */4 M$ a+ h/ x3 m" Z& K1 p
                              # R6 i8 B$ F' Z( e, ?( Q
            //Method - 3  N=100000 204s
( {: b6 _( q8 o3 S, \7 j             /*% V/ D/ E2 ~0 N0 O+ b) N
            for (int jj = 0; jj < N; jj++)
# ^! L3 k) \$ ]8 g5 D7 L; W             {, }5 H! }, H2 Y& q6 @9 A
                     fresult += b1[jj] * b2[jj];/ @, p6 F, y+ }+ E
            }
- D! P, d; M( g, d             */7 U, B2 Z4 A2 Y$ p4 ^  [# o
/ G( K9 m% d6 B' D! F' B' E: ]; N
            //Method - 4 202s
! o# a8 X3 P# c* [2 i, u6 i             /*6 R8 z: W3 N7 m' j$ ^
            for (int jj = 0; jj < N; jj++)# c) \! F. j! g. w) c: P% j# C
            {4 _3 t% P; t, x7 U4 v& M# P" h$ K

* [% t* t# O9 C, J( u             }' W1 O, ^4 d3 F
            */' c  F( ~( W( u% [& B, {
            //comment out all methods, N=100000  202s
  p( V& e+ T9 _3 m( T/ Z       }; n% d- W6 F. H5 D9 T

2 A' h: E) r+ o9 R# T  ]       delete []b1;8 Q0 X$ k! B8 P* x1 b- Z, Z
      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
- e5 g9 P0 o3 _5 m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？
* Z' I) c0 G$ _- G; }' L+ k/ t H& }7 U. `) V7 o9 X
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 01:160 ?6 I; e% f$ K" V# K0 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
! L0 p0 |1 ^$ N* a$ h% m' ]" J, F7 I, [( j. z( @0 @
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 Z9 @+ V5 m9 T' x' p$ b5 r: v
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
8 M/ ?6 s' ]' V5 E1 t, i% W" }$ r5 W{7 k* T7 p2 K$ _: i! d+ {2 b7 `6 m- z
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