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" T) `* E1 f/ |
拉下来？拉多少？7 S) m N0 Y- X4 d1 T$ \& Y; ~
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; `% R: k" Q+ v- G, X0 _" M
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& D3 P: z5 j% [
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)# C5 R/ _ U' S* X- `! w- l: P
{2 i3 D2 B# v$ D) S0 y5 \
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 00:205 U' B* I( b- b, O# X" M
这个不是这么比的吧。。。' ~1 c; W9 a9 s ?/ Z" D' P

! P% u4 O* |7 ^( L6 z) B2 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）。

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) W& [) a$ i& I2 O
有道理。
4 T+ N$ g# F: `! }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- K4 u8 \, ]6 Y# M x- o3 `这个不是这么比的吧。。。
, a7 H6 m8 t. X9 v4 Y$ m
0 F+ V4 I% p- e2 q9 T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
% Q" K' ]$ L0 `8 M7 |- 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
) C% d K, r& f1 G1 `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/ N6 ?+ x4 T3 d% f0 u8 L, T
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& j: c& ?5 @7 _$ C2 S
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
/ t, W5 {+ _5 {! } J, y* p, q# H8 u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);
+ A) j/ R: T& C4 T. T       std::vector < float > vec2(N);
% T) W: E3 u, g% l' [       float* b1 = new float[N];
6 P) L5 t, X% `3 V/ u       float* b2 = new float[N];
' |. s% S* d  X
: X3 l& _) z* n3 g       for (int j = 0; j < 6000; j++)& |/ b2 M7 ]% c% G
      {
# x. P- q1 z' ?3 i- h9 _7 \             std::generate(vec1.begin(), vec1.end(), []() {+ }/ Y+ s0 t& G: d: ]
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;/ a: _/ b0 ^9 X) t
                     });
4 ]1 @  p% s0 s* W, ~8 x6 P- C
/ p. J; r& |; o5 K: C+ c             std::generate(vec2.begin(), vec2.end(), []() {
. j' [% a8 w* H/ `! y$ ?) k                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
3 c# K" I0 g' R# r' J                      });
4 }7 R% k6 U8 S$ r% ~" V: g% r5 G; T2 x% L$ w3 M& \
            for (size_t jj = 0; jj < vec1.size(); jj++)
' C) Y' ^; v8 k( t             {
  z6 m- G0 S+ ^2 H( Q                      b1[jj] = vec1[jj];
0 m3 u3 L& f1 O) B8 `2 A: X+ P             }
' r6 |+ e, i! q5 [2 U: H. r
- J; O" b6 c. `4 C% W$ Z- P             for (size_t jj = 0; jj < vec2.size(); jj++)1 T3 e! ~, T* ~1 W
            {9 I2 x# {- J: N) x) K& x
                     b2[jj] = vec2[jj];) `7 C$ h) G  M6 d
            }- S# H0 L4 n  H) i7 j
1 J2 s. p9 W: T# X1 V. R
            //Method - 1  N=100000 247s
2 ]+ L3 j7 ]  |+ S, |$ [" G             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
7 ^: {& G  k& x# N# w9 l/ J                                 _# ~+ ]# T+ {: h
            //Method - 2  N=100000  237s
" b) k8 p8 N6 A' ?- O0 ^" p             /*: U4 x, c2 T3 E: B, g' u  B: w$ n
            for (int jj = 0; jj < N ; jj++)
            {; N' Q  D1 _6 V- u: B5 Z
                     fresult += vec1[jj] * vec2[jj];
- o% y- G" B: s3 c2 v             }
1 z" C7 @2 \3 i8 x0 K+ d             */
0 k' d5 k' x% s                               $ w, u8 X# ?* T1 k% k/ e0 z
            //Method - 3  N=100000 204s) J7 f# n2 o6 t/ P& E1 W
            /*" t5 J9 c1 w" e3 i  l* B
            for (int jj = 0; jj < N; jj++)
! p, g  s! g( D! G' j/ w             {
* r0 Q6 M1 l8 \4 h                      fresult += b1[jj] * b2[jj];9 F5 W! r7 @1 @; P% ]9 I
            }
, t" C& K8 `7 I0 L5 L2 f5 @0 k6 s             */' l/ T/ m3 J) R; L. z

* Y$ O) |+ A: F             //Method - 4 202s" ^! ~/ }/ d' A( A1 o! C
            /*
9 `$ n1 v" j6 x3 B- b& f1 o' Q* |. E+ _             for (int jj = 0; jj < N; jj++)
' g: Z  W" I5 T# K( R5 K, D# E             {' t  c' U3 U, e

$ R3 ]9 A( K8 B( X# o+ I, f3 _/ A             }
) v  H* D( r- l             */
            //comment out all methods, N=100000  202s
7 k5 N; q7 @5 a% q$ F1 U4 H8 X3 ?       }. J: J: |0 @5 B
: F) o0 ]& x: O" z) w6 N
      delete []b1;6 l2 b8 a! O; {! F7 r* c
      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 00:154 E$ W& w% O$ t: b' S5 z4 C! h
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？
8 P% l! E C2 l M! ?$ I* J4 y5 @& K& V: C* I( W8 ^9 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 01:16( ?: x& j! E) M6 M: w+ o
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: l3 t! \) S% z7 R" m& \
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* ~! T4 t+ h2 W8 u8 {
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
" u/ o8 t9 [" s$ s{$ v+ B4 m& p& v; H* y: p8 n
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