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
. x- m# Z# n+ [- |/ k拉下来？拉多少？
# C! i/ L& ~0 O) s$ ~- U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( o4 n s7 o' {' ~
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
( j7 f+ {5 |5 n0 k/ e9 Wvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
- h1 P1 \9 P" V' r. }$ Z- ^{
+ W5 S2 a9 a( \% w1 o# X& W" ^" s 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
/ J. |1 v/ F! r5 n; `" C O/ e8 i这个不是这么比的吧。。。/ c. m$ `5 j% R6 D
% a; u; ~7 c& 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- R$ t# D0 `2 U7 t3 t, O' B
有道理。
! b* a+ R! @8 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
8 h& U `" R2 x这个不是这么比的吧。。。* F* Q6 j+ W5 Y. p

7 v# t! V" g" ^8 _: ~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# B& z+ `9 b9 a6 o
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
7 K% X0 f, E& B; {* Q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
- T/ u2 z! `) |. \ u6 j5 l5 h+ [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 B7 n; f3 J7 w2 l0 z# 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 14:588 s$ K+ G8 n0 [0 h4 Z- 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);
0 A5 K  W2 w% [( m       std::vector < float > vec2(N);% I$ B3 B. G+ O# P$ p  k) F
      float* b1 = new float[N];$ T6 g7 Q4 s9 G9 A: ]. r' Y
      float* b2 = new float[N];) p" g) q# x: S

8 m) d0 `. v3 h) z3 ^) i7 M: ?) g       for (int j = 0; j < 6000; j++)
5 c! I1 m7 D* E* S2 d/ W) N# c       {) V7 A0 K9 L; Z
            std::generate(vec1.begin(), vec1.end(), []() {4 F  e1 z, M+ S3 ^$ k0 j
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
* u* M( U4 B' t) b# c1 T                      });
( q1 N) i  J/ f/ w  ?# `
0 e! T$ h3 G* T+ i5 L5 ]             std::generate(vec2.begin(), vec2.end(), []() {
( f* e# S% Z* u2 z' ?/ r: y                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;3 d0 b# R9 F9 `, t+ e: e$ L
                     });
: J' p6 a' V5 k0 G1 [- a. l& `; s* x/ ?# g
            for (size_t jj = 0; jj < vec1.size(); jj++)
% K) i9 e1 m" ~  E             {6 C3 D2 J% q# F! S8 ?& K+ {* V
                     b1[jj] = vec1[jj];
" D" i5 S9 {# n9 Q( H! s; E             }
) b9 Q$ L7 o# c' c" s" i
, N, b5 B* c9 d- d" s, W             for (size_t jj = 0; jj < vec2.size(); jj++)
5 G4 O5 |+ {8 ]8 X& e! O2 }             {2 ~  W1 U2 A% m5 C% |' U
                     b2[jj] = vec2[jj];
, [4 ~" {* J  y  c3 O' Y0 P             }1 S& Y" }0 `' y4 L6 v; w2 f. u

* E: e7 A4 N' k5 W7 W. k             //Method - 1  N=100000 247s  ) ~9 _- p, K, h& S: E
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);; g' ~* i& o2 a. {7 Y
                              / t7 O6 f8 b  b
            //Method - 2  N=100000  237s: r- b2 k- \% F
            /*. w7 z9 n, h  }
            for (int jj = 0; jj < N ; jj++)
0 s$ t) P$ f1 |/ z. D             {' K- N! s9 }! t  N; m. y
                     fresult += vec1[jj] * vec2[jj];
- I2 o/ a+ e, K' D8 p, h$ p9 d+ @             }( {5 L  j1 O0 n* {0 W/ ?5 v& R
            */2 Q: S; @; ?" G9 v
                              9 u. S# e. R: g/ r$ c9 g& r
            //Method - 3  N=100000 204s8 z  ?/ b. _# C: f, n0 K3 l7 w% I
            /*
0 ^' D5 R7 ?: {; }; ^$ Z             for (int jj = 0; jj < N; jj++)
  S+ `; ]" R7 _0 e             {7 s. G* Z- W' ~& j6 m
                     fresult += b1[jj] * b2[jj];
  ]5 v/ x6 Q# r. ^, @- D# g             }
5 M. z- U) E- a* N             */# s9 }: K9 }3 S
* z8 ~( s& x* q" j" f$ n1 u; S
            //Method - 4 202s/ v6 B$ z8 M+ c1 a; B
            /*
2 G: E( ~' r8 j" d& k             for (int jj = 0; jj < N; jj++)8 P% M) K- n: {4 |  j) P
            {
6 B7 ?/ S8 s- c& I- w                      ' s3 F& a$ R* H" R" `* U% ]$ P" ^5 m
            }
/ c& r3 A2 p2 {             */" r; q' x% m# p5 G
            //comment out all methods, N=100000  202s             ! \. g0 f5 E" a+ F7 e1 K
      }
  U& g' y* a- z- ~7 z  Z6 r
$ _# |( Q) m4 e+ U       delete []b1;
$ N  U+ t$ e; ]3 k& ^; A1 \       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, `; ], ~8 E# e- o; r% w6 |: s, 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？6 n6 J E; X& w8 _
4 N4 U! g5 u5 G7 y# t) 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 01:161 t2 W; |( {1 ?" V6 Z$ j: @3 }
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、LOL8 K! b( t! t8 J
5 V! W9 w$ b8 U' t' T4 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
8 M @* O! y$ H$ _6 B: Z+ bvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
9 q6 V. p6 s" f$ ^% |- d{
Z7 D W- X! @$ Z 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