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( a) h$ z$ z4 `7 z+ \8 E
拉下来？拉多少？: ~- k5 Z, m; w# u; A; Z
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
, \5 j' {& R; d9 y6 {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
" i! s. J3 p% Cvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
7 b' L% x6 {; ~; K3 C% }{
4 y% l0 c* c6 B* t 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
( c" `, ^8 d T7 O9 K7 F0 r8 B2 T这个不是这么比的吧。。。
. p% u) }8 y- J* J1 p1 u' S
* y. u. t ]* _- C+ k% 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）。

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/ c. [0 g* r3 o4 `2 s
有道理。; @, M- e. \0 l# x U, t( g; B: J
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
- ]+ e$ _: R( _ |这个不是这么比的吧。。。& L. j9 r' O4 ^5 K5 N9 }5 F+ o: L

$ S* Q- c {6 X! ]3 V7 f' Y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* W% M2 J- ]% U( r1 n! ]( g
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* [) A; d. N* Y% n" S$ b% m$ C: V
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
" X1 R7 S; A7 i- W" 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 04:477 G9 f. E# l+ q/ M1 H7 Y1 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 ...

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
2 P5 f+ M3 H- j) D0 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);
+ B3 r. \$ p& n7 n4 u4 l& d       std::vector < float > vec2(N);
6 Q2 j1 F/ z: Z8 M& T7 V6 v. C       float* b1 = new float[N];
$ W5 j! L. d5 P) Y+ r( x! @& F8 t       float* b2 = new float[N];. R& @& ?5 }3 X% a1 L" j+ X

2 M$ i& F) J  J( @8 W9 D8 A7 Y# V       for (int j = 0; j < 6000; j++)
) y9 a1 f: o8 ?       {8 |$ f( ^. r+ k# Q
            std::generate(vec1.begin(), vec1.end(), []() {
) D# \; |* Z, X' M+ T" Y                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;% q" H( k4 l- h+ ~; o( L) G
                     });) T4 a: @0 i/ ?# m2 o" W& x# @

% R0 L# M8 V% o. t5 W             std::generate(vec2.begin(), vec2.end(), []() {
( w# U" n1 s) h8 g2 O' A# f2 r                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;6 a; x7 Q& h! h2 y2 _
                     });- n! A  y7 B4 Z  |1 ?
3 h" s/ g, G; c( d
            for (size_t jj = 0; jj < vec1.size(); jj++)* |8 L7 ]3 `8 l+ w- V7 z% k% L
            {
( L5 s' t6 x2 n8 u% M& }. P; ]                      b1[jj] = vec1[jj];
' W; [4 {# q# W* N, `" Y5 N             }
' P( I* |, E3 D, Z0 b9 h" w7 [  z7 n2 u8 t2 X. g: a
            for (size_t jj = 0; jj < vec2.size(); jj++)
% L8 _/ {+ c6 H             {
( l6 _* D% N) o% _2 }5 ?2 _                      b2[jj] = vec2[jj];
- t5 z  u% \( [             }
$ J- q! ~! G9 j+ g8 K1 n) h7 Z2 y. v0 I( t
            //Method - 1  N=100000 247s  ) x+ A; _3 }7 M: A
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
2 l: B0 |5 t, b                               # d5 v$ j8 i' M* b0 R9 y( M8 o( e
            //Method - 2  N=100000  237s
0 B- Y( U% D) t. C3 k2 w             /*
0 T6 l7 n# V: o0 }% @8 Z! R             for (int jj = 0; jj < N ; jj++)
. ~  q) q8 e/ |, S             {* Y0 n2 m! f2 j3 \1 y
                     fresult += vec1[jj] * vec2[jj];  }7 |: t/ T, k. @& o% f, G4 w1 W
            }
1 m5 \/ E- s; {3 A4 H             */
8 x. f9 l4 q/ e8 V7 d* S6 l
7 {" B+ M$ Q' \6 Z  M             //Method - 3  N=100000 204s
* t( B, H7 }- W             /*3 C) ^/ q$ z8 V% d
            for (int jj = 0; jj < N; jj++)
% P( L5 G! p* H/ s# E             {
* u. c/ @5 y% i                      fresult += b1[jj] * b2[jj];
0 w' w1 W0 S/ _) }4 ?3 p             }- {! l* {# Z# p% j/ e9 O+ w/ ]
            */
# W, z8 ~  M0 t& W6 U1 T) E8 ]1 v3 S% ~0 N+ \
            //Method - 4 202s: S" O* v' ^, i+ l
            /*/ Y" H0 I- M7 Z; ]5 V0 t  |! v
            for (int jj = 0; jj < N; jj++)
" {1 \' F: ~; K0 I. K, d' \             {
* J) b1 d: o0 `, c
- _- T+ A  A- g, r: Q- s             }
( ]" q9 i" k) s& ^- @% l! \             */
& U6 ~  B& [1 N0 Q7 [" E             //comment out all methods, N=100000  202s             & s6 d" M5 K: O; z4 Z: v  ?
      }
% S9 M& h/ c: S" w# k' ]6 y, k, I/ M$ C
      delete []b1;
      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
4 Z6 B9 U$ J9 e/ C: A- s1 {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？
, ^$ n. o: u& s C4 z; g5 i
. V1 N4 t+ V/ q: Y9 g! i6 l. b: Y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% G/ u8 s# u$ x$ E+ K [
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
2 }' J* A0 i6 o; n& b8 G! I" k! c
' [3 v) h! B8 [. 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 23:547 B4 Q$ N" L; R( o9 L9 j8 J# `9 W
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
4 }7 U. a( c! c; x/ ?% o* S. Y; w{, K% y! {3 D( B2 x# U
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