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) { f( o0 ~, {( Z E' X( l
拉下来？拉多少？" K0 s6 ~3 _" Y8 e1 U: c6 Q
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
+ M! `6 u3 |- u9 bMaybe 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
1 y. B# A' H4 @6 j) E! o. a5 [- ?void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB) B$ C& ?. a9 H( |
{
3 C& s) P$ p/ K# E6 C 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
" x5 S) u* w: Q$ O9 `这个不是这么比的吧。。。
. g% m" @3 b& y0 K1 }8 f* n, m' c/ }) ?$ l" Q
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
/ u o: h1 {6 \! j: ~1 S$ l有道理。0 ~& B# |0 u7 `, k0 f; i
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
$ r* q! u# H W; w* ]* d这个不是这么比的吧。。。
, u$ ^; i+ q# ~* N: h* I* i( Q6 F5 H$ Y G! v6 ]8 u; l9 z9 k
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
2 P4 y' D) P+ H8 p2 R' k( {$ 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
X7 j* Y' g9 ]" g5 k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 A: J2 O' W/ L* L: O8 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 ...

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
& C7 `4 P; @7 @. y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
( y7 r1 ^* O9 o! L$ p, B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 v$ d$ R2 d" ^& P. P4 N       std::vector < float > vec2(N);5 A& P' J: A( u* G% x
      float* b1 = new float[N];
* b9 i6 F. L7 p% \7 V$ [       float* b2 = new float[N];7 t, d+ R% ^/ Y6 ^5 S# W9 \7 s0 L3 `

* b  B6 n3 N) ]* ^! }+ V       for (int j = 0; j < 6000; j++): K$ {% w7 j. A
      {3 y9 u. V6 H9 Z" _
            std::generate(vec1.begin(), vec1.end(), []() {$ |7 _! i9 k& A" V( M
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
$ X" ?8 S& j( m' H                      });
$ s/ U( X4 {" [1 e# Q% r3 _- v3 O+ _3 G2 r: _" a- \7 G
            std::generate(vec2.begin(), vec2.end(), []() {
/ q& T" {0 G" @- @2 U' u                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
0 q. Z5 ], B5 p8 g5 _                      });4 U- n& ~) j$ ~  o" {9 g
' Y8 T+ A8 V9 {7 Z/ `% K% U
            for (size_t jj = 0; jj < vec1.size(); jj++)
, d9 w. S* Y8 A$ d! ^             {, P% }/ K" d* Y, |* L. o+ w
                     b1[jj] = vec1[jj];
, `7 r0 d3 z7 O3 i             }
# W' F6 r; f8 m7 B$ C3 v8 @- A4 T! u$ X) m
            for (size_t jj = 0; jj < vec2.size(); jj++)
1 ~( G+ x9 T" e. x/ ]             {
8 [- I5 X# s) ~8 l                      b2[jj] = vec2[jj];
6 W+ B/ C' ?  J4 L' W, K2 J             }
$ ]2 P9 n3 n$ R$ h2 R8 x
9 q* x/ B8 }+ G( a             //Method - 1  N=100000 247s
9 @3 l) K% O4 E7 j4 s7 o( i$ n2 E, S             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
: x9 X6 {' X/ m7 M' h, w                                 l0 d  M  r! r5 y8 F( m7 c7 B8 G
            //Method - 2  N=100000  237s
; c1 M! Z! [9 Z4 n1 w             /*3 h& t$ x4 g; T0 g
            for (int jj = 0; jj < N ; jj++)
  n5 K" b: n. X+ E* J6 D8 ^! H             {' n, c( R  b, J6 Q) V( `0 ^
                     fresult += vec1[jj] * vec2[jj];
1 ?7 ?* b7 x3 |" Q- l2 X+ W) \             }
- q: m* e4 X0 l3 z: _0 Z2 A' l4 q             */# R) S5 d) E. v0 @
                              ' f2 T7 X- H; w! [
            //Method - 3  N=100000 204s
- V- p7 {& x" D             /*
: X" f' s+ j: j, D  c3 P' s             for (int jj = 0; jj < N; jj++)
5 i$ q' u1 g+ G) `2 t' T8 W             {: {- k7 ~, V+ f7 e7 }) {
                     fresult += b1[jj] * b2[jj];
+ b1 |5 P, }. f2 ~$ S+ g, f6 C" {             }% r9 D# E) M* [
            */
5 b# X8 o  p( {+ O0 R. S
: @4 t( Y- X7 @, P% \& M             //Method - 4 202s
# M! h) F7 k8 S% z             /*, p/ ?, F5 g! f4 N2 ]8 E- t: ?
            for (int jj = 0; jj < N; jj++)! ?0 j+ m- B3 ~3 f0 K( J
            {
; d! W* C7 I- F4 t% l3 y5 U
6 N9 i$ e" {( h. N  |             }
9 r2 `6 U1 f* b/ t! M. U+ A             */
' Z4 K+ n. G* n             //comment out all methods, N=100000  202s             " E. H: U2 \* I& }: x
      }
6 v; F. g9 }3 ^2 Y  P8 x1 a& p2 P3 M9 _
      delete []b1;
& s4 J; x4 `  s& n( K" w) ], w9 u       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 00:158 P1 a* k0 q9 r6 M9 e7 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？* e# a' o. ?+ W: D

, p. v0 }" S, D V7 k5 J1 ]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
: w9 s i Q: {, A1 e 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
, v# t4 T7 k4 U. z3 F0 n7 o
8 e9 Y. d# b+ s! w/ `1 K( |% ~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 23:545 p8 o& |% S. F1 g! E" ~5 t
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)7 l0 q! [' Y1 H% H
{5 U1 r8 `: q! h$ [
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