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! b- ^7 g" a3 Q- U
拉下来？拉多少？( l9 B8 F, u$ K1 |- y' s0 {' V, o# m+ 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 23:33
# J0 v: R$ G3 y& i' o. UMaybe 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
2 ?/ d/ T9 j3 A% hvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
$ Z1 ]$ S5 N% f ]4 s" K( Y1 h- a, s{7 F' X: P8 p6 A0 z g; N
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$ \5 |5 l( z1 d. ^& l1 S4 }
这个不是这么比的吧。。。
- X) Y& @) l1 X O( {! o6 Z. q0 H' e7 r( ?, _; `. 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）。

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 a# E9 H/ c% T: L' ^3 E
有道理。
, c/ ]! h7 D( u/ g4 F( e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
+ c+ z$ `4 w) c; J+ p: }这个不是这么比的吧。。。
4 @ |& ]( O; f. T9 h/ S& O! L7 O8 o! X# C
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
' K; ] T" m8 u: t( I# Y0 O2 c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
6 H+ f9 S3 y- ]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
6 { C+ G4 \: @: a, X8 p* `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
0 G# `' w/ M! P: ^% S g) A4 d% I+ C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
; j$ A8 ?% R7 o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);
( a5 f2 z6 j* Q0 w5 p( c       std::vector < float > vec2(N);" \+ K2 H" C. \7 P; `
      float* b1 = new float[N];; E+ ~; O! H" |' T
      float* b2 = new float[N];
+ S: }" v% d# _3 _) E$ K( z  W! t" {: ^
      for (int j = 0; j < 6000; j++); H7 [+ K! |+ k0 A3 E8 A5 j
      {, o2 w/ x4 R5 p0 N. z) p
            std::generate(vec1.begin(), vec1.end(), []() {
( h3 `& ^$ b9 N2 D! o$ T                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;8 \0 ^) s" N8 K
                     });
/ {+ h0 o$ l' ]7 A
1 _$ q& U& }4 E             std::generate(vec2.begin(), vec2.end(), []() {
& f8 I& U9 r% p! `3 f& ?                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;6 \* _4 s! e* N/ {% w% ?
                     });
7 f$ a5 L. S2 \% F, I* _4 g$ |5 l7 }; h9 ~. a
            for (size_t jj = 0; jj < vec1.size(); jj++)5 p$ t. B3 Z& P+ ~* s" E+ L
            {2 ?; J4 V/ X0 ], ?& ?
                     b1[jj] = vec1[jj];; r4 z( Y, F& t. a4 N# d7 ?1 ~9 r
            }
% m/ K" q7 C) O0 ]9 r2 \& }/ l( H% J/ e" j1 x6 \+ w2 ?
            for (size_t jj = 0; jj < vec2.size(); jj++)% z9 L' B' O* ]
            {. _; R. [6 E* q' Q4 a7 ~9 P. e
                     b2[jj] = vec2[jj];
4 {0 w/ x8 \' L! D( ~             }
+ ^: H  W6 X$ j6 Y6 w) ^: p
4 x2 S7 q, v) M$ b             //Method - 1  N=100000 247s
8 j* V& n, ~% {7 e             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);6 f' o" t: b1 k6 l3 f8 ~

8 Q* l& T( W4 O# E- t* j2 Z: \2 N9 }$ M             //Method - 2  N=100000  237s
4 W' v2 \  r( T+ `             /*
& x+ d( u& U7 N, [& y8 Q3 D             for (int jj = 0; jj < N ; jj++)' ?! |1 z) {7 A7 }# a$ F# F2 h% l
            {
- ^5 w! e$ L: L& r; H                      fresult += vec1[jj] * vec2[jj];
( A+ v, w1 Z2 f2 t( {' M! m3 |             }
6 Z, d7 U( S7 m; ~! ?2 w             */
1 p* D$ {' e# S, s2 X7 [  ?; @4 D
% r+ q; s3 I4 F$ g3 D. m  W             //Method - 3  N=100000 204s
6 n  H  u# g, A- P             /*: X0 a% }' W6 Y" f5 I: N- X- v
            for (int jj = 0; jj < N; jj++)/ a6 c* G7 R% J% ~! G4 F2 m: d+ ^
            {
9 X: ^) c  ^# @8 Q( V- P) h! u; {. N                      fresult += b1[jj] * b2[jj];
1 K" E; ~) c8 I0 V             }- [5 _$ t5 S) I. E3 v. C  K) A
            */5 \2 Z" `7 ~9 Y( i0 A1 i
4 }3 D9 P+ Z/ o0 F) a
            //Method - 4 202s
4 Q& F! D6 d  i6 k/ ^3 A             /*
8 K0 V  `  o1 s/ J) f* U* ^0 S             for (int jj = 0; jj < N; jj++)
" J2 M% E  q; \- a% ?             {+ J; _! B/ H$ v
                     # G: x1 i, k0 R* z: h  z6 ^+ m; s8 H
            }& V! q  J; C/ |; W# [
            */' ^0 R6 Q+ d: o
            //comment out all methods, N=100000  202s
5 D' i" S5 O& J# Z       }
5 Y: U7 T% z/ s/ A3 o$ s+ ?4 [9 X! R1 J
      delete []b1;
5 C7 h* v8 i+ b3 l6 `: |- @, i       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% I: O; }, O0 H. U9 j1 k
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？
. _2 v3 R5 n0 e0 z3 ^2 k$ {" C% J( E5 i1 ]
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
" I; \ }6 M! s4 m: r. K4 a0 G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
( p/ @2 ~! R) C1 B6 N8 t* S; x1 B8 K& p
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' A, Y) w* C5 \: V1 G
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
: v s/ r$ r* s8 l& R$ L{2 i4 y% X8 S8 b% c5 c0 f9 Y/ e; @2 n2 d
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