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 23:041 N9 W% Q% B' c/ P" |8 B( u% Y
拉下来？拉多少？" e# F: g& L9 _/ k
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
/ ?1 p3 n( Q3 D' A: v+ I; XMaybe 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 23:544 G; }3 B! }. c# }4 r5 d' X
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)( r5 {+ `/ M7 C/ }/ i, u
{% E3 u* U9 `& a! [3 b
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
! f- r# c1 S9 L2 |1 G+ t这个不是这么比的吧。。。0 S" P2 a6 f% `3 U

4 ~( ~- _$ O- S t% I; y) e) ]1 W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 Z( ~* a- M8 v$ o% Y
有道理。
P5 b/ `2 K% O% d3 b1 R2 n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 00:206 _3 z( V1 T; P) s# h
这个不是这么比的吧。。。
2 A# J" m' j. Z+ z- U4 Y5 v% [5 A2 O2 }6 Y2 }
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
5 m7 G* b$ C! f7 V& G6 M% k5 p. a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: h3 i: V0 I" x3 _) q/ w: C
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
' ~8 @; ?- s$ D. N7 P4 `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
8 i. N4 @& W9 i1 L; A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 x$ \3 L# r1 v% @. V. I
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);9 g8 R4 ~" b5 v  K# ]
      std::vector < float > vec2(N);
# \) ]$ J6 _# U  X0 y       float* b1 = new float[N];
" k( E  @$ L" V       float* b2 = new float[N];
# _  G1 S6 L4 |7 [. m+ s
; \$ B3 ^- Y3 J       for (int j = 0; j < 6000; j++)) O" f/ W1 t6 Q' z
      {, Y% O3 x& I" T# f; A4 N
            std::generate(vec1.begin(), vec1.end(), []() {
5 t  s5 S& V  J  d$ F6 k. b                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
/ j4 Y) K( \! W1 I                      });/ G, d6 e$ j6 Z( D9 l* R

9 ?: \. H1 e$ X, C$ A9 W             std::generate(vec2.begin(), vec2.end(), []() {0 s1 y* B8 }5 S, y: X4 Q/ s3 {
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
- I: ?. ^) _* N. L  L7 _1 m9 T, @                      });
1 \' o! B; x7 W! o; I: E/ V8 {4 ^- T4 ~9 S$ ?9 l% @
            for (size_t jj = 0; jj < vec1.size(); jj++)
! S& P$ s0 D! }4 a             {$ @7 u( \! }1 X1 a+ ^
                     b1[jj] = vec1[jj];! c. _8 g* v, ^: ~2 [5 g
            }7 D1 e, L# a( M! Z9 t2 a) z+ X, L

) F* T" t3 \3 w             for (size_t jj = 0; jj < vec2.size(); jj++)
1 K5 w+ X7 \! O( X8 t& E; C( |             {& e) S% A5 g! t* i7 d
                     b2[jj] = vec2[jj];' c4 w; ]# r- i% a8 p
            }
7 z( z  F5 o6 k/ {9 K, o6 q1 M
( L$ O$ P7 G+ Z* K' y; N2 x" v             //Method - 1  N=100000 247s
# r' f& I: g4 [, C! K6 d             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
5 K/ N* o' s2 ?6 ~1 |' H( J- N
8 |- u1 o, T/ W" _1 E             //Method - 2  N=100000  237s# _% s9 z* E! s+ W$ ?
            /*
6 T% T3 I; N- q+ ]5 p             for (int jj = 0; jj < N ; jj++)
5 E: r2 P$ Q) ~0 u             {$ p5 r  T( P2 i0 S
                     fresult += vec1[jj] * vec2[jj];
. \) B  O( m0 b! n) X             }/ c1 L7 Y7 O) P' s& e0 u$ O
            */+ [" m0 e# Q" ?. u8 N5 K' O5 z, d. }5 }
                                q* G8 o5 h4 V/ o( b9 e  O5 [
            //Method - 3  N=100000 204s
* f4 k+ j" w( r" i. ]             /*; o. o0 k6 D" i& w# Z8 E
            for (int jj = 0; jj < N; jj++)
8 }! o# r, p$ J  f2 Z             {
3 m' P9 d0 b- M) k* u! ]* T                      fresult += b1[jj] * b2[jj];
2 @0 ^  ~7 E* M/ h, m! ~             }
2 n, O) J" ]9 M* |# u! @- y1 C             */  a, S4 o4 S( q  E; {

0 p: j' j! ^2 N3 y" p! u+ f             //Method - 4 202s
  l- x- [0 G' r( K  H5 }             /*
0 y' z5 n1 E) C# ]1 _+ ?! J8 z             for (int jj = 0; jj < N; jj++)  R/ s/ ]* g3 F! ]- ^0 s% q
            {
# j/ N$ z6 w+ z/ C
# X" i3 W/ w8 `+ B             }
$ ], c7 |/ H' }7 X+ U$ m9 H4 x( M9 K             */$ n) C8 f. h6 A) X9 [5 ~
            //comment out all methods, N=100000  202s
1 w+ T+ x, G  }- ]       }
* e! {* i+ U" f% y7 [  h
$ \! R1 K( g2 i' a8 Y       delete []b1;, b  |( ^! d$ q  e2 @: ?/ m
      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 00:159 C2 g' ] c( Y$ m1 |0 R0 A, J
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？0 W9 p6 |3 i( `, y$ p3 W$ W/ u# @

2 `& r2 y$ V( T0 |# ^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 01:163 `4 c3 N/ r4 n( a: A' r4 Q7 W
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; X$ m8 S+ G0 f

. u! x* i m6 {& [( }! 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
8 D" F2 p8 |$ Jvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)0 Q! \: h! Z2 _0 h: P2 N
{
' e, W/ d. `* o( Z1 c6 v 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