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. I8 I5 \- u5 d1 I4 T6 `
拉下来？拉多少？( \( [3 K' V5 t
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+ Q T+ k5 U0 Y) q# M# {# }5 T2 t, ]
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" l+ O" o/ L, R4 }1 P; v9 {
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
8 x$ G/ W/ s$ `' C{
0 z# J* t* I* P B3 N/ b8 _ 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
: X# C+ E/ Q: a( j) j# A7 g这个不是这么比的吧。。。
: P! e3 F* ~/ `' A: ]( r# J# `. J1 p
% q' z/ S% {# W* 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）。

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
- `) B! [) Y; u有道理。
9 M1 a+ [$ s2 K7 v: K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
+ q, k6 t( [; Y) @6 T这个不是这么比的吧。。。
( `$ ?6 q) G2 P5 w" Y" ^# p7 G% M# k! Q
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 01:484 Q& S3 V7 t2 C% F
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 01:271 g9 _- H% j/ t( B1 U
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- O% I4 e9 D4 p% t2 I) J" 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 ...

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
# _. g. T- v) x+ k3 r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 N$ ]# ~; K: p. Z
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);
% F9 w- A2 r( h8 @       std::vector < float > vec2(N);
! S4 N; U) b* @4 g$ i$ S       float* b1 = new float[N];# k* m2 a, A' {  |  Y
      float* b2 = new float[N];) d+ m$ ?" _. f! G+ H8 d
4 j! |4 D+ d& _! M; ]$ [/ m
      for (int j = 0; j < 6000; j++)/ Q' ^/ Z; X, P' ?7 q+ @8 g  B1 f: |
      {
* n. K' \2 |0 W+ P8 ~8 Y) T1 m             std::generate(vec1.begin(), vec1.end(), []() {
/ x8 V9 Q* Q/ _2 v3 V$ G, t3 _8 z                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;, |. V9 j6 K8 t+ W9 P
                     });2 d  L9 Q& e/ b* l0 l

8 u* D1 O$ _$ K# Q1 b' I             std::generate(vec2.begin(), vec2.end(), []() {
7 i. I8 U, |0 q) i; |. |; X                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;1 e# _) E6 M3 `! i* |
                     });
3 A# n4 `, |% N2 S% k$ E1 [! ^# v) U( k* w% k% S- R
            for (size_t jj = 0; jj < vec1.size(); jj++)
5 P8 y) W) A1 A" ^2 `, M) k             {2 I5 l8 h8 b; Q3 d: M' b
                     b1[jj] = vec1[jj];
/ g( S' f2 D; q$ m) }! @7 |- N' p             }
( {0 n' ^/ s/ P; X4 J& u% t1 y3 o! w+ u8 X9 K$ e# l! y2 q# z
            for (size_t jj = 0; jj < vec2.size(); jj++)' U+ X" f% U; d; r9 k; P
            {+ y/ B  m2 ?* g* k' v  p
                     b2[jj] = vec2[jj];
5 ]. ^/ N9 B% V             }/ P. g; P/ R& W2 S! I: N
! m" T8 B5 a* c: ?- D
            //Method - 1  N=100000 247s
& t' D4 x) X7 X  b( S  p$ o' d             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);2 r" ^+ \1 Y) `  P- }1 D) i

0 f' ~% s  ~# \$ O             //Method - 2  N=100000  237s
3 n3 N+ T+ [( i9 ?             /*; O, x" m0 L8 D: r  P* F, m
            for (int jj = 0; jj < N ; jj++)
5 Y3 U; z" I7 D9 J8 |3 w             {2 y6 z. p1 @+ k8 S! [9 P; x" r9 a
                     fresult += vec1[jj] * vec2[jj];, b3 C) w* f; l5 p( W- m6 U
            }
5 O: }" Y) ?5 m4 M             */- x; d9 v, A1 [! K' r6 S. Z% ]! Z9 l8 v
                              * s5 k+ g1 z" g9 Q$ }, w
            //Method - 3  N=100000 204s# ]! a) Q" Z$ m
            /*4 D  s% y  `' X: [$ Z
            for (int jj = 0; jj < N; jj++)
8 m" D; g$ G- ~. C/ i             {% X" H0 |' c5 i- i3 C; T# q
                     fresult += b1[jj] * b2[jj];* a' Z/ k% T5 Y7 D+ W; c
            }' P5 \" s% }4 e. w$ C, b
            */
( b. E& n5 ?  `6 Q- m
1 x5 z4 Y& ~/ P" U2 A6 B  t* @             //Method - 4 202s
+ Y6 z  d  t' \             /*. m5 O1 G! |$ P3 D# v
            for (int jj = 0; jj < N; jj++)
3 W( Y: V) E1 M2 M3 U+ }8 }             {2 I5 q5 ]) [+ K6 x" [
                     0 `$ N! n' G% g( O
            }$ |7 N, m; m# T. y
            */% E* m( V5 S8 _" N
            //comment out all methods, N=100000  202s             ( X3 m4 R) K* k" O7 N2 g
      }' @/ y. M9 x+ n
! L3 a- a  j3 s
      delete []b1;
8 Q+ y* K) W/ R+ c4 T       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
" N3 g/ m0 q0 ?" n. f1 M$ |! 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？
e$ ]: A: U! ^, L) {8 A0 O5 x0 @, Q
P1 \- {+ H- N% {; y( E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
K2 |* ]" l, E, N3 e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
- J) y4 l. }2 c
( ^+ U4 k2 [$ G, I/ j) g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 23:544 X9 U1 H6 R' c! O1 g+ y
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)5 W4 f1 @* p$ @# g) Z- G1 I
{ v. ~& T% D! \5 J
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