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
3 u' O% h- Z+ Q/ G C( f+ U拉下来？拉多少？
- f! m! c, b, `9 T7 e# N/ p! g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 23:334 Z- N+ Y- E0 n- |. q" v g1 A
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
. N8 h# ^! p% Z8 r- q8 r9 H0 cvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
' Q, h8 c) P+ p7 {( B- `. \4 u{+ j- P _6 \% q5 p( }, x8 C
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& Y+ a" L' y6 j5 d+ |9 J
这个不是这么比的吧。。。4 e& S0 }( D$ z" \

) W5 Y- ^/ J* C g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, j! V0 C& e0 k+ G' I' \/ A
有道理。
% B' U' B! y' o: z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 _; { V# \* T- R8 o1 E这个不是这么比的吧。。。 u4 J: P* ?. X/ B& q
! X' ^$ N0 y' j6 m$ \2 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# ]3 s/ X9 O) a4 X
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
m9 N" ]: W9 n0 m! m( T% W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
}& c0 u! ^' A( k% j- |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
& i& g; P, M# ?2 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
7 T \1 _# @( i) T' L$ c* W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 q. r, v$ @7 K) I" t       std::vector < float > vec2(N);6 G& w/ |: R5 L3 `- u9 W
      float* b1 = new float[N];
) U6 P8 J/ l! q3 B4 ^' |. j+ p8 @' k' X       float* b2 = new float[N];
: v- Z; W+ b$ _& J( m  d8 o/ y7 Y! Q- m# L
      for (int j = 0; j < 6000; j++)
, i+ r1 u4 ?2 @" h4 B       {3 M$ ^; ?" f# D( Y$ i
            std::generate(vec1.begin(), vec1.end(), []() {# J5 `" t$ L: S, b: R# u' @
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;4 }2 [! Y) g" M3 h) `8 d
                     });
- R; z2 {3 l/ k% v' K2 v. n- k$ y& x4 h2 p1 G$ i6 z
            std::generate(vec2.begin(), vec2.end(), []() {7 l# i5 y0 J" E1 @" q
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;6 U# c  b0 k8 {; Q
                     });
* z  c4 l' B) l9 x) J, b: l9 S/ A2 |4 X* e' C
            for (size_t jj = 0; jj < vec1.size(); jj++)
2 u6 A0 x! q' j, q5 @% X+ f; G" i             {' A  [: v: l# d. U9 J) n( n
                     b1[jj] = vec1[jj];
: h' N3 J( j5 L/ x% l4 b             }
! ^! c1 B: C, H6 l, y8 Q- B0 @
  O7 A9 r( ?1 R# z- M             for (size_t jj = 0; jj < vec2.size(); jj++)
1 a. t$ M" F& t             {
0 ?5 h4 o0 P8 ^# Q                      b2[jj] = vec2[jj];
6 t4 P9 Q3 ?$ K6 u: }4 k             }
: x0 W7 k' U. F6 n( q: l8 O" Y9 _% H  Y/ [
            //Method - 1  N=100000 247s  2 V7 G- `( L( G7 F$ O
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);% x) G( g; R5 V. j7 X8 K
                              1 ^9 r  K. q2 D  c
            //Method - 2  N=100000  237s* N: p! P/ ]2 i  x( w& S7 k& k+ c
            /*) F0 E; g9 S1 o( x2 B# E: h/ {2 w
            for (int jj = 0; jj < N ; jj++)7 r$ T& L. F6 K+ k& K/ F+ z4 V# U% S9 S
            {
8 p9 a7 I, O8 i                      fresult += vec1[jj] * vec2[jj];
& ^) G8 Y  s1 V5 y" C             }
$ }/ v6 n& ~+ F             */
% j1 L2 T$ a% Y# j& D$ H# j1 N  e( t
: w; r( j  g& f* C5 b6 P             //Method - 3  N=100000 204s5 ^- E' |2 k6 i1 C& D
            /*8 w/ c4 f- X* {; e
            for (int jj = 0; jj < N; jj++)2 S( H- `, a. ?" K
            {) p8 c7 Z" A% S. o1 V: Y
                     fresult += b1[jj] * b2[jj];: F+ k3 O& {( O
            }
2 m( {- \2 ]8 ?2 \# j             */; W8 V$ M) Q& |% P/ o9 `

" C0 j8 K, g& o. ]/ @; I, z             //Method - 4 202s$ N  ~) o( x% ]+ N5 ]! S0 r% [( Y
            /*) G# X7 y) _4 p# v
            for (int jj = 0; jj < N; jj++)
& l" z$ z8 c+ a' F. |  ~             {0 Q* Q1 P9 Z/ J) ~9 m
                     + w; o* ^5 ~; \
            }
7 [, C& w5 a; j6 V  n8 n             */
4 u" j5 p/ {0 w% ]             //comment out all methods, N=100000  202s             , U3 G6 A2 H. [' j/ I/ r3 D9 M  k' E
      }* R5 V8 h; M2 D2 n1 c

! ]" R# n' J' [+ v& f       delete []b1;
; R0 B/ p% C' V$ y9 O       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
; t; G# P& o5 X+ _ T5 z6 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？
% V5 s: n3 G) J
2 Z d( i! Z3 l$ g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, }; [6 S2 {% V- X
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) A b) F4 e* c/ ] K' [# r6 G
3 `/ `9 `6 p7 H: o5 w% B
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 23:548 Y) O; f4 q* T. n( S
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
8 M- D# u% b. [" P{
2 x8 F) P8 T* ?' c' K" j$ G 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