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 23:048 d# `8 F" B3 j- e
拉下来？拉多少？
" D, s' E' l7 b# M1 A+ U; 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
0 N" ?' w/ z4 @8 d: h# ^$ }% 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 23:54' {4 {* s+ F/ K
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
( O6 ^8 u& w0 V' r( c{
R1 s$ b0 ?, 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
1 V: }4 z" u& z" w, f" z- E. Q, f3 H这个不是这么比的吧。。。- y2 [, ~' k* S) ?

. E8 f7 I5 @/ j9 |3 H2 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
8 y! X5 f8 j/ Y& |# O有道理。' v2 I, L; D0 O4 F. \1 u6 |5 t' C6 b
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 00:205 m1 X$ N3 ]& A/ C
这个不是这么比的吧。。。& n3 s9 ~0 {: A6 W6 e
: W9 s3 t9 [1 Z, |' W3 s* \; N
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
# j6 U$ K! Q2 ]& M4 U. r, W4 i" l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
4 t! U! K4 ~& b2 a! |( y2 N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
0 L# b0 b, r0 @# N% o; L6 I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
3 Z _, f2 j) h8 F: 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 ...

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* S+ n8 c9 \8 |
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);
4 m6 O, ?* x8 l1 N, U* ?# j% g2 J       std::vector < float > vec2(N);
' R! z6 `( X$ z5 x       float* b1 = new float[N];
5 g" Q3 V' P( t" N       float* b2 = new float[N];* o( \8 ^& G% ~, \" [

8 |  q# j+ X. @5 e! H" U       for (int j = 0; j < 6000; j++)
8 U  Z$ d1 G$ x1 x0 O. U       {
4 o. B) s/ A$ Y             std::generate(vec1.begin(), vec1.end(), []() {3 z8 b1 b5 V+ L' \  u8 a( d- U8 d
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
' ~! p# r  R5 {& L0 e: ]$ Z$ b+ U# {                      });
  W( W0 ]0 h! s0 _6 G7 M8 x" R1 O: x3 d; P" S
            std::generate(vec2.begin(), vec2.end(), []() {
8 b# i9 j) D. ?9 q1 v                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;. t/ \+ `1 L+ l3 b
                     });
  ~2 d# a+ z1 o* e1 M" i* W6 T, B) v+ L( r; o" }
            for (size_t jj = 0; jj < vec1.size(); jj++)/ w" m1 k( C9 R" L. @5 D- i3 @
            {8 i+ o2 s* k0 H' Z9 X, g' d
                     b1[jj] = vec1[jj];
6 G/ Y: n7 D0 J6 W5 Z: V1 D+ O             }. q* I0 i8 t, L6 ^$ X( J0 _

# p9 U4 w* l6 r             for (size_t jj = 0; jj < vec2.size(); jj++)
' j) y8 O7 F' G  H7 ?6 F             {
" h; y: G( v' C' l$ T' b                      b2[jj] = vec2[jj];
! @# E$ X$ t+ ^8 {4 p             }; j  p6 A; T4 c* n% ?* u

/ h$ D/ ]1 H. ?7 O             //Method - 1  N=100000 247s
( K) v+ |! @. ~: g             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);7 e: P8 \" Q" j! p
                              7 n2 }% v3 w- W7 t( y( W' I
            //Method - 2  N=100000  237s
) B2 t  O) E2 @3 A5 a             /*9 K2 X: ~6 u/ U' V
            for (int jj = 0; jj < N ; jj++)
. F  w& }& [3 [  ^             {
: Z9 r' v/ h( ]# _, ]5 B" d# \                      fresult += vec1[jj] * vec2[jj];
; }2 O2 J# h& x7 A  {; b             }" u  M$ s' _- @
            */
3 k- q1 }* S  N8 j                               ; E" u; E! z# E, o! R% N& w" N
            //Method - 3  N=100000 204s
7 U9 m6 a! s8 o- k& o6 Q             /*6 z" e) Q/ x) q. \) v
            for (int jj = 0; jj < N; jj++)6 ~+ ?  H3 J$ o4 A
            {
' j: D' L! d- l- F0 C                      fresult += b1[jj] * b2[jj];7 @5 X7 [4 Q$ F
            }
/ @1 R% C, q' W2 s+ R             */' ^; {' X9 q7 K- [0 V
9 l  `" G7 ?! {0 W9 g
            //Method - 4 202s
' a9 s. ?6 P2 s( a; s             /*& a2 o& N5 m4 s0 l1 m
            for (int jj = 0; jj < N; jj++)7 N; K1 a  I5 d  t) x. ?4 t
            {( l% R6 M. |- k

+ v( m% m, I7 \5 j2 X             }
' G0 r5 D; l9 I5 r             */9 e" E: m/ B9 f6 o. ]; P# h
            //comment out all methods, N=100000  202s             : m9 k: A0 P  I" J( p$ V
      }
2 u1 B, w- R$ H
: {+ D, b1 l; C$ T       delete []b1;
. U+ w$ _: P, V% f1 w7 ~       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% ?% ]! b( A3 {! b
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？
* v- ~" G) q/ H! m0 O. V6 n- a
, D( _9 H0 o2 y1 J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
2 p5 z7 `* ?- d1 t0 `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
$ f+ m( @6 h+ l% [% H4 k
# z0 h$ w: C8 w: `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 G. H! [: ?& `/ hvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)8 \) @* C8 k( o; `" C
{" \* u/ l8 L- H1 I4 k+ t5 s# }' E
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。

用户名		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