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
; U" g- V& s. ~2 h3 j' j拉下来？拉多少？$ C6 n/ l, \/ z7 ]# @* S! [/ `+ x. s
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; N7 G- e0 n' Y4 Q
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
2 h) N. B% m, r' t5 wvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)" h- i' J2 s; }) l9 A) V, T+ u
{
8 o& D$ j- _0 o% U8 z8 I% g 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
( j7 Q; G5 N3 B& H* T这个不是这么比的吧。。。4 O- Q/ ]. {& c( b8 j+ m

# P2 b* |; ]9 E8 Z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+ Z. p7 _( l! c: A* M- W$ w
有道理。
+ C+ c( }. m' [* s9 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 00:208 s6 `% z) d0 L, i" C
这个不是这么比的吧。。。
5 O9 S4 u. q! n D0 _, R2 L5 }+ [# P& N( @; X6 N" A
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
Y* s0 \! J5 Z: u6 Q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+ G2 D# L5 v' w# f# j7 C% P: b- T
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/ m+ S, u; d3 \1 k% 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 ...

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- b5 i+ x2 N$ W; O' e7 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 14:58
9 r- X5 ?0 A- 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);& e9 ~+ p! [" F, r- M8 |1 P
      std::vector < float > vec2(N);
. e1 N* X$ ]4 `# C( j, S       float* b1 = new float[N];
; H, q+ `4 ^3 n& r+ P1 i* D       float* b2 = new float[N];
8 B& ^  E+ J% a8 e
; }% v3 E9 d! k* q       for (int j = 0; j < 6000; j++)
( V; l6 y3 Z" f' J9 c) Z. M9 e       {
, w  N5 I$ |5 }7 u' ~             std::generate(vec1.begin(), vec1.end(), []() {0 I" S0 t  R7 j1 _6 p6 C  j
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;( a5 c/ R! V9 U* }2 u  b& M
                     });
) P* a) w) k2 S1 k
( [9 w0 q5 t; f. l9 j             std::generate(vec2.begin(), vec2.end(), []() {
( I+ u3 W8 O. x: O. J+ u                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;; [. E8 d. i# b
                     });9 `# _8 e* n7 s7 H/ I
! S$ H# o4 p, Y7 o3 D' ?
            for (size_t jj = 0; jj < vec1.size(); jj++)- l& a1 U6 c6 B5 V# c! U2 r) T
            {0 d+ [4 c5 y2 o% E6 o0 S& F
                     b1[jj] = vec1[jj];
# r! }; l: [! _4 x             }
. a9 D+ E7 x) @) b, f) F, p* u, J$ J2 a
            for (size_t jj = 0; jj < vec2.size(); jj++)
( X+ ?9 _6 w5 }6 e; N             {2 Q6 e! x! P4 t
                     b2[jj] = vec2[jj];
" D' B- C( v" S- `# u             }
$ J7 F2 P' i0 h) b3 Z% t  o( @4 p$ e) J7 }- ]
            //Method - 1  N=100000 247s  3 p8 W) B# w6 z( R4 x2 ^
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);6 T$ k* U( k0 ?; m& `

- E1 q5 C$ E5 A- ?             //Method - 2  N=100000  237s; a5 Y5 k1 _+ _/ X% u0 d
            /*
% ^0 q3 n9 }( S, t$ w8 }; ^% w             for (int jj = 0; jj < N ; jj++)) l2 x' q5 _0 I  x# F. c) z
            {
9 }/ ?7 s5 V& Y                      fresult += vec1[jj] * vec2[jj];
6 h& B" S+ U& K+ z: o5 k  b4 _             }
) n' v- s# L2 n  \+ U) w/ {  z9 C             */
# p& t' q5 T$ y# O7 K                               * _0 f( ^; M" c3 g0 O
            //Method - 3  N=100000 204s: B) W' }# h' z( K# j
            /*4 Y1 y# q, k* Y5 [* y( G2 u( b
            for (int jj = 0; jj < N; jj++)( c9 L/ N/ \& g/ Q
            {
( H: G- N, ?+ U. n                      fresult += b1[jj] * b2[jj];
. Y; W5 S6 D1 C$ m             }3 ~3 C; y5 g( z* r- @
            */
: n# M+ o6 Y7 V. B( \1 C3 Q+ w- K* X8 Z" @3 c$ Q9 Y
            //Method - 4 202s
: d; Y9 S7 v, J+ W% }             /*
9 Q6 ^4 x- N, G% c3 _8 I% q3 d5 d             for (int jj = 0; jj < N; jj++)
' g( Z2 U" j+ m& ]) z" E% B* I             {
' M9 i. g( u6 e8 C) t& N                      . E- G- j  A. d. p9 b' D3 q
            }0 k, x) f) d/ Z' \0 M& @
            */
$ Z7 x# ]; U5 F- F9 t0 X, j             //comment out all methods, N=100000  202s             : l0 I; `  W4 w
      }
' C) ^3 k5 b. F4 p+ `
) |- q3 N& z. g1 s: v       delete []b1;9 H  E' o/ w7 v1 d3 Q
      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, }, ~, S& d2 x- j% h4 ^
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？" w: V- P4 S+ v* O; w

, G# d, W i! E& m' f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
6 _( o+ H* a! r* D5 y+ [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& N3 k; F$ y( V& u3 c6 {+ p

7 P; ?3 w1 @: X. H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+ Y( X9 s# L! ?9 t4 c
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)5 k, i8 ^! Z9 Z4 p" M3 x; L5 c# Q
{/ N( O# N+ F- b6 i* K F0 X% F' w
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