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
9 r4 S9 i1 g* \& V8 G4 R拉下来？拉多少？* s( i/ R2 a: Z/ w
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 23:339 Y; r4 ~; |% Y1 U# Y
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
, }: T, L, v( Q: f! r8 Rvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
+ F5 `; W0 f$ S{
6 N8 p3 ]5 n8 A* k1 l* y7 a/ ^ 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
6 B3 H9 L. A6 N这个不是这么比的吧。。。. r5 k7 v1 n: y+ s6 d" h6 V$ M
# |- A; s1 g" P3 G; ~2 E; V, W6 r
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 r; ]$ p5 I0 U. r, U/ q4 V
有道理。, T# _! @8 g3 o8 D' t
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 00:204 E7 V& B; ]2 M0 i) E
这个不是这么比的吧。。。
& H; {) K3 P1 V& z: E2 {2 f5 U
8 d- q; J0 s0 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
: S5 j* o) B3 ?5 D7 |/ i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
5 l3 K+ {: V$ s. u: h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- K: y$ D4 s+ y. n7 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 04:472 E7 X9 P2 f, d* T8 n
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
1 v( A$ [; w7 b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);' \8 V4 F6 e* @: X7 q' ^: f
      std::vector < float > vec2(N);" S, R4 c/ _* T* }6 T
      float* b1 = new float[N];8 Z& @* v# ?& }9 M9 Q0 P, r
      float* b2 = new float[N];
9 R7 E+ P+ m" c% J% s# q' K- f4 ]9 L* s4 G0 y
      for (int j = 0; j < 6000; j++)
. K( p5 v/ T& _: U       {
2 O& p: V; p/ K! ?             std::generate(vec1.begin(), vec1.end(), []() {2 n  J! u& x( P2 f2 V
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
' |# f9 ~/ I' W                      });- J% G/ r. {: J& K3 K1 p
, I6 o. {, m. h
            std::generate(vec2.begin(), vec2.end(), []() {+ B/ q$ a4 y! B0 L
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
" |: B+ ]- @  l' T6 `% }                      });
9 x6 G( r) Q. j3 O+ p& F4 C( Q* L( ]/ w. A3 b" S
            for (size_t jj = 0; jj < vec1.size(); jj++)
7 H, a9 A$ c) V1 B$ w7 Y  @7 ~             {
: h( G( S; E2 U3 @$ ?2 z+ ?                      b1[jj] = vec1[jj];/ f3 n5 ^! c7 _  E7 c
            }/ H- V9 V; ]; \" F' E5 m5 o
, G4 k  i, Q( w0 @" ~  I* b
            for (size_t jj = 0; jj < vec2.size(); jj++)
0 Y$ k& m/ c3 I/ k6 Z& j/ [/ p! w4 ]             {  q# \, l$ S- ~' f5 b
                     b2[jj] = vec2[jj];
  L1 R$ \3 p, m) f. J             }' G0 i0 i0 z, N' j. d

/ c) }3 Y+ x8 Y  G5 f             //Method - 1  N=100000 247s
1 H2 W( u4 j7 l$ c; P             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);% j: V* J% Q  z+ y* m; [- h
                              8 g: n: K8 s" a7 p' s, p% z
            //Method - 2  N=100000  237s0 X/ _( w+ B6 g" O5 L3 }! p/ B
            /*$ O9 b( A4 h" ^, b7 u8 _- v3 ?! L
            for (int jj = 0; jj < N ; jj++), ]$ _8 b$ Z$ |( Q8 e4 h9 D9 r; n
            {
* I1 u& y6 B% S6 z5 @                      fresult += vec1[jj] * vec2[jj];
. i9 r: R, ~0 A. v             }; P3 Q  W1 j& q) t
            */
( g* n8 ~" K! U0 H/ E  l; E                               $ I) R0 I+ j2 x7 P# a0 o+ Z
            //Method - 3  N=100000 204s4 R' Y0 L3 A2 T3 C# b
            /*
$ W6 {3 V2 T' a* o$ W8 J0 T  @             for (int jj = 0; jj < N; jj++)
! r6 F/ L6 V7 r* \( t! o             {
8 B" x) u/ L  S/ v9 a1 x                      fresult += b1[jj] * b2[jj];
4 B# t6 Z+ @' d             }; ]6 U, @0 l* S: n
            */! }9 D3 j; k9 P/ a6 H/ k  m# f5 @
. V. R* X9 n. b+ b( t
            //Method - 4 202s5 \6 l9 e$ ?% O0 V9 A; z
            /*, x" [; O7 K' O6 H5 M! y8 O' u
            for (int jj = 0; jj < N; jj++)
" ^1 A5 }) ^/ H1 I             {+ S9 T6 T, Z9 ^' M9 }

" ?  [1 o  a" j) q. f+ V0 p             }
& o; o% Y  R/ Y0 z% @" ^             */4 D+ D: v; q! P5 t3 w
            //comment out all methods, N=100000  202s             8 M% A4 A. w# P4 E; h. l
      }7 j# ?) i" T& T2 M. w6 V
/ {. K* Q3 Z( t& p9 k$ z& e
      delete []b1;
4 {2 z8 D8 S) @9 e) [6 Q       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
! t7 O# t5 O+ {' C5 Z* \' e+ U2 `( _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？
" n$ Q" ^* {1 x4 Z0 z3 t' q4 E# O7 n5 `$ r/ B9 u1 u* M
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
, S z7 J. C K! o& `! @5 `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# N+ P) u3 l- f% d
K" E, z4 s8 T& P1 Z2 ^& ]7 E
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 v6 @+ ~2 g/ C) B$ Wvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)% c- g, t2 F# q0 x% o8 V
{% t+ S1 n$ Y8 o3 b
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