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 23:045 s8 t9 h: q6 _5 W- p
拉下来？拉多少？
0 x. }( d. T# V- `+ G& 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
* I/ {4 U% g* J% H5 O% J& EMaybe 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
9 N( r( T; z7 `7 H) s0 dvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
# J( f" W) s7 [ ?0 }* B% h5 s{& W8 p# b. Y, h" W/ u( W- k
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 00:203 a% G7 v8 W4 i# F/ B
这个不是这么比的吧。。。% c9 U5 Q" Z1 O. h
, r7 o6 _ }* U# K3 \
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 00:462 O$ ]5 B4 g6 k. l" G2 ~
有道理。% B" N) U) p6 ^; L
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& X6 c% q0 y- m; Y% ~
这个不是这么比的吧。。。
6 j2 Z, C3 _ r; s
0 }! t1 q, s* K4 u% s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! y; Y/ W. l' K6 S2 `" ^1 b% T/ y
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
1 Q9 s6 z- i1 l- ~; z9 {' P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 04:474 Z' @* d& T2 |% 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 ...

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% S" C) Q( A; ]4 g, N8 `6 n7 X* U
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 14:585 |% A6 v5 o1 D( G# k2 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);
8 E9 e8 w* i3 _! e% x$ ^# X( g: Q  B       std::vector < float > vec2(N);
' ?# W/ f! {. g% X2 a  b% |  r       float* b1 = new float[N];
9 \2 _4 T6 a$ y       float* b2 = new float[N];
8 Y) l& \3 G2 U7 I3 h; t$ B6 b
      for (int j = 0; j < 6000; j++)8 A( i- V; i  ]* G) P
      {
+ e# i1 U: f  x             std::generate(vec1.begin(), vec1.end(), []() {3 q/ s6 O3 `3 x
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
% M- ]3 \% T, u: v# h' c  p                      });2 q3 k/ m1 d# r2 U% t) q
" @5 m9 ~7 p/ l9 a
            std::generate(vec2.begin(), vec2.end(), []() {
; X( c2 h5 a! z                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;" Q% D: D. e8 r+ \6 j! _& y! g
                     });
$ s0 M- N* e) P, J% ]$ Y
/ a: w& V0 y$ Y3 m0 t2 i             for (size_t jj = 0; jj < vec1.size(); jj++)
( L( F7 X6 S& o( U$ I             {
( q8 g; B! e$ t* v$ s, b- v                      b1[jj] = vec1[jj];
, d, ?1 u  d) k             }: d2 a3 v) C# H: w: M2 S* G
6 }, w+ r# L' c! k( h
            for (size_t jj = 0; jj < vec2.size(); jj++)8 b& {  W! ^/ k& w5 X; }6 {! R
            {
! ]7 g1 A; H  V                      b2[jj] = vec2[jj];& v# E9 Z+ o. e. B' p
            }/ ^+ v) V- T7 a8 \) s4 c

+ Z6 u- F% Z. k9 v: E             //Method - 1  N=100000 247s
- u  E# e" d$ J" x) O0 j             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
, g8 l5 U/ x! L, x2 _                               $ C7 I* ?; o4 S2 C# r$ J8 O8 E* n
            //Method - 2  N=100000  237s5 Q2 M. c( k8 J" j$ R7 y
            /*
$ j/ w; t5 H, _$ ]' u7 Q. ?& x             for (int jj = 0; jj < N ; jj++)
4 t; j: G" i' S) f( D7 f0 U             {8 L- O* F  r& `: P! q/ a
                     fresult += vec1[jj] * vec2[jj];' X- G  @4 u/ Y4 E9 R% t" S
            }3 M. x4 C; N* {) {- d: N& f& S) K* H
            */
% l4 U  I. ?: o+ ^! a! b
: I! D+ s2 K+ \& f  Z1 K             //Method - 3  N=100000 204s/ L/ Z( f  l8 T, {+ i9 L. B" w
            /*5 G! N% ?* v& a7 D$ o/ O, z7 |
            for (int jj = 0; jj < N; jj++)
/ X' A# g3 O! A) a+ y' [  ]+ T             {' M" r8 \8 C9 G6 Y6 a% G, X$ F6 ]
                     fresult += b1[jj] * b2[jj];& X  C! D5 ?; s! U3 l
            }: G8 F6 b9 z: w: {+ a- w# `, I
            */
; {1 S% o2 c+ h4 z
. w8 g' h& a7 U/ D1 J; K& i             //Method - 4 202s% x0 [2 U, s9 a# }- Q9 X
            /*, E, ?: f8 m5 h, `+ O+ U# T- \' g, F
            for (int jj = 0; jj < N; jj++)$ N* q# R3 J8 C& M( I3 Z
            {
# \/ a) _6 C% v) `- A1 U; f                      ! e0 q# S; P1 T4 j- T' i
            }
; C) k. G8 s6 s             */" G4 t- _9 {5 z) q9 ]' V6 I
            //comment out all methods, N=100000  202s             ' j/ g; Q+ i1 }% v+ a5 U# U
      }3 E7 k" V0 l/ V3 e' t0 n; H
. A; Y/ u) T( w7 X( j
      delete []b1;
* m+ f- O" q/ j4 f       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& C' N9 M4 N" e" O9 e1 |0 [) v
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？
6 T6 x8 D! @% e y u* @: }& w; g
6 j4 d6 y. u- ?8 P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
1 j& _5 G. f6 Z( E% D% j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
) ?' h* @7 Q+ y/ |1 l; X
, U5 d; f A9 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
+ L8 x: |% ^# ~void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)7 o2 V1 T' _, v! w' S7 r
{' Q7 m! A8 {* {9 X' m5 Y
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