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$ d1 K+ {/ _# P0 A9 P/ _
拉下来？拉多少？8 C9 K& h6 L( V% u
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% T4 r( G+ K$ N! k8 T. E; 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
0 x1 ?$ g, J* ` y# Tvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
, \' E* ^( a8 L' ~{5 O2 n7 q, B! ]
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
* l; s: ^" j' B) i6 O$ ^/ x这个不是这么比的吧。。。( L4 H; n& h! x3 T$ B3 ?4 w5 M
4 @ s8 K7 Y7 a4 y! P( [$ k3 Q# y
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 00:467 b8 W2 N9 [" Y. f6 |9 {
有道理。
- R, M b/ F: m7 G+ e, u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( r' }4 I: a+ g. n2 x: p* i
这个不是这么比的吧。。。$ y5 W* o: f8 q; K. c/ }$ X: H

' O. \9 e3 j( }$ j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$ h# P! U( I% e& f$ U9 g
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
. L/ A5 F. g7 C7 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
0 W) j5 Q$ N4 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 ...

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
; V$ h6 [) B- q) k! E) I+ g: i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
3 `+ M) t' } L6 S6 B8 i/ Y% z( V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);
7 V$ J1 j+ a; ]1 \, j' s       std::vector < float > vec2(N);3 N1 }3 j9 C  p7 u$ R9 I$ j! z
      float* b1 = new float[N];- S+ {9 k6 E3 ^
      float* b2 = new float[N];
9 ?+ B3 c9 C5 m8 V1 Z' D1 E+ f5 i4 `" c8 C- o
      for (int j = 0; j < 6000; j++)/ D3 T( t+ s# [5 x
      {/ y% u$ b- {1 j
            std::generate(vec1.begin(), vec1.end(), []() {* A8 [) K0 v% S8 g! `
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
0 ^' D5 o5 k0 D8 k3 @                      });
/ Z6 H4 e( {2 z4 l3 T- X8 ^4 w4 E1 q2 J* Q" y* t) w
            std::generate(vec2.begin(), vec2.end(), []() {
* W; Q( b$ b- I% M1 T! }1 s( O                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;6 S' z! ^# {  g
                     });6 G/ I* C# i1 M

6 }9 H) U+ P' O/ k: m; T             for (size_t jj = 0; jj < vec1.size(); jj++)
* K9 B. s: ]9 [5 A# f% x0 V' s, v, z             {
/ K, X  l7 U; T, c; U                      b1[jj] = vec1[jj];$ z  d  C: ?+ {7 T# I9 ?
            }0 e+ s( C6 x# A
0 {" z6 l' v$ H" B2 x# o% v
            for (size_t jj = 0; jj < vec2.size(); jj++)) y2 {5 z+ x/ V+ v; s
            {9 l/ [2 s2 @6 G& m3 n9 k: X
                     b2[jj] = vec2[jj];
! Y3 g4 v* n" e7 J8 a) N! n* e( r& E             }
( R2 h1 m4 H0 Q! p2 ]2 i; }
& |# |; ]8 p! \# V' Q5 `4 @: ^0 B             //Method - 1  N=100000 247s  & F+ q% g  w+ M; w; @& L
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);0 R* e/ W# X6 j: M' x
                              & e9 y6 A2 Y1 I+ m- |1 t
            //Method - 2  N=100000  237s' }; O- D, N5 q' _" g1 Y
            /*
6 F, M  n# t/ ?6 a5 \5 `$ `             for (int jj = 0; jj < N ; jj++)
9 |7 v+ ^2 a5 v* X! G             {9 @9 U  t  `7 m. T
                     fresult += vec1[jj] * vec2[jj];5 @) D6 y+ x  w
            }! z, s2 X$ ^, ^% [2 q5 ?* C4 \
            */  `& ?+ |& C2 C2 K8 E# k3 w
                              $ G- g9 B4 B* L
            //Method - 3  N=100000 204s
0 r! N$ Y8 L) d8 s! T/ C             /*
7 b2 O' Q6 q: L7 C             for (int jj = 0; jj < N; jj++)
, K" I, A9 H: m/ e5 b             {
6 J! t3 G! f4 k3 v                      fresult += b1[jj] * b2[jj];- J: `9 s( g) o& x) A; @
            }
6 [7 g6 v+ _+ E& ?( r             */
: T$ {5 w; @$ M9 x& x
, W4 b8 P2 q) |" n  p. `             //Method - 4 202s
. b1 N1 e8 y8 s0 }7 P& t$ I             /*1 m, X+ R/ c; q
            for (int jj = 0; jj < N; jj++)
9 j" `3 O7 _" Z; C& \             {4 H7 C7 n4 X" K6 d. P

7 v# s0 q" T1 z, ]3 h4 c             }6 n& j* G/ c( w9 t8 ^
            */
  I) K: R* [9 a             //comment out all methods, N=100000  202s             3 {& t$ N3 b% q! O) N. s
      }
3 C- C) ]3 ~4 s6 k0 f  s
. ^6 F& W! _5 F9 f/ \1 ~       delete []b1;# W# Z7 W( P$ s% T4 `
      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
8 [6 ?3 l J/ J' g% o4 G' X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？9 _! L9 i* T& Q+ }1 F, S- I. n

' z& X( C2 [4 T: r* X) o) O# A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' i4 M+ ?( Q3 G+ U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) n& d: a4 E" f/ q( H* V/ s: [
& i( ` a1 p p( I
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! h! g& R. {0 r$ s* N
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB); v- z3 b9 T) {/ |
{
; A$ i0 b- M( J, V 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