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
$ Q% ?! s* R5 @5 a( X2 z拉下来？拉多少？7 Y! k. s, a6 c- K$ q1 ?! R; ^4 M8 M
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 23:335 A9 n5 F* r6 w7 A4 V+ _
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* ?0 l+ {5 J5 M, R
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
$ F2 U& n* Q2 [4 ~{
3 V( w+ L! a! K Y) L X# e 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
: q: j5 W. P& ]. f- g这个不是这么比的吧。。。6 h2 t# _1 ]- o% Q7 X: Y

7 W) n7 s/ D+ 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- I1 ?& M5 `0 w) n( `
有道理。+ a6 f1 ?# U! w+ S
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
; u" M+ \' [5 o* I( D) j0 u7 k. @, u这个不是这么比的吧。。。
4 ]8 @# i' K5 Q% f1 h$ V3 ?
0 \+ P' T9 j0 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）。

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
; n3 {7 K" i& `7 g& E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 01:274 E) _$ T m8 v2 j1 y- \+ i [
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
2 j6 a, U- [. a/ e7 _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
; b, h, c' h ~$ 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 14:581 T" c0 ]2 H* M2 {* z" M* F
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);# f: O) D8 f3 b+ o
      std::vector < float > vec2(N);7 C/ \+ o& Q& K$ a$ f( w& X& g$ y" a
      float* b1 = new float[N];
1 Q; {1 v( l% J6 {  V* Y8 L+ \       float* b2 = new float[N];( w; `8 ~+ R% Z, d

: I7 {& k0 C/ l) L       for (int j = 0; j < 6000; j++)+ O$ W$ t- D! d6 w6 q) F. g
      {
3 {4 h. o2 Z. n5 B" H* W6 S6 s             std::generate(vec1.begin(), vec1.end(), []() {9 ?/ x$ s2 ]) N5 S9 s6 @1 `' R
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
: Y& M0 f6 q* a9 }* p- b                      });
6 F8 }0 M7 T+ @( {- ]* b3 f" l/ _# d2 J) b$ O6 K, _5 T" ]
            std::generate(vec2.begin(), vec2.end(), []() {8 \3 R0 ~% Z; C, s6 x  D
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
+ W: p7 b1 W6 t% y. C! ?, _                      });/ x0 C$ A- ^! K$ C
$ \+ o0 p) g+ f% s' \: u% |
            for (size_t jj = 0; jj < vec1.size(); jj++); f4 K; c$ Y8 ~+ K8 V
            {
. s) j5 [9 y: Y/ J" C  p3 [                      b1[jj] = vec1[jj];
/ a3 D1 D3 ]3 Y+ A4 E             }
  ?$ C; M2 ~. v0 Z; S1 V. R, s2 }5 ]6 I3 V* r' D
            for (size_t jj = 0; jj < vec2.size(); jj++)
8 R" _7 @! w$ [4 _             {4 M+ X7 v# P6 T  a9 V
                     b2[jj] = vec2[jj];% ?6 e( Q; i, J  n  ]' i/ o
            }* T2 G" H: j$ K

: d& K& t8 K9 v4 f& v             //Method - 1  N=100000 247s  ' g# q7 D5 t: d, C; b1 C+ d
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);* i  E1 P4 |- O! p4 _
                              * N- h8 Y; @" U$ w) }6 {! C  t
            //Method - 2  N=100000  237s: ?. v) }  f8 t0 Z3 ^
            /*
4 ]7 L: C! l) o# o             for (int jj = 0; jj < N ; jj++)
5 {8 e$ Y2 U6 [* y  v+ o9 t! J             {: m9 c4 Z0 o7 |) G4 P/ c5 U# J
                     fresult += vec1[jj] * vec2[jj];0 F9 c: o- V# k1 s3 m1 o8 T
            }' w$ ]. T; Y- v% U1 b* D- m, g
            */' u/ ]# y* a: \4 O9 a
                              3 v: [7 D3 ?+ A7 I9 I& [3 f6 {5 {' U9 S
            //Method - 3  N=100000 204s
% D" W/ l) x! h6 z! n9 ]             /*
+ w; m5 t1 D7 b3 W# G5 v             for (int jj = 0; jj < N; jj++)# V/ w* N+ F& I$ C* O6 L
            {
7 z% h# a; y; A5 h- ]                      fresult += b1[jj] * b2[jj];
6 \& I6 m! {* G  J# R; @, V             }& \/ j" |; E/ V2 l; K; @
            */9 C6 e! y9 D: s+ n, d' W! ]

' f$ x. \0 \* V7 Q             //Method - 4 202s
6 z) m3 l+ _2 _0 F/ J1 x             /*, M/ U$ X' g: n- y
            for (int jj = 0; jj < N; jj++)
% m" ~& k) ?6 g/ c# C8 C             {
* R, B* ~% ^( V& ?% x6 ?6 C& y( `6 U                      7 {+ E4 \, B6 a+ S
            }
+ r7 I1 m* E5 w# G6 Y             */
: a* q4 u. \7 J; X) h             //comment out all methods, N=100000  202s             0 F5 t# e9 P' p% h  b
      }1 t4 q' H6 F; Z& a* Y3 H

, \' d' @% c3 B0 H. k       delete []b1;
. D: v, M! ~  z* 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 00:151 i: e* p5 V3 @% H# E% g. l8 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 w- c; C4 }4 f9 W' a0 V9 }( @/ @. W- }
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 F* L! r5 e7 ~% B$ Y1 \5 A
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
; I! U/ ^; N/ @1 q! P5 y: d! D7 {1 O h" ^$ k8 c7 W3 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( Z5 F: R) |" a
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
& S' R$ k6 @- d{6 z% I8 L$ b6 P7 M" O* s
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