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 L0 G: m/ n2 M6 ~ t6 D3 A& ~
拉下来？拉多少？
1 |' N; N9 y7 A6 u5 w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
' P' Z- c6 k4 VMaybe 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: |* ?8 \) N" I2 v
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
" E# M9 ^8 ?7 p. O7 K" }{
) d Z1 P( l+ L. ~ 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 00:200 c3 f9 p( u- h3 k" Y# r
这个不是这么比的吧。。。4 K3 x7 h+ I3 t& |" k

g+ ]# b& H9 H! B; N7 B- T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# ^) \0 n5 [, l! Z S
有道理。. y0 h0 I0 y5 M2 [
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, t( D5 |+ G5 w: }3 ]1 t$ S$ o0 c
这个不是这么比的吧。。。
, _6 y0 i* z) e& W5 _; k" x! S0 Y( }( g5 A5 S5 E) I
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
1 A: O" [. S( Z! p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
: k& Y4 O9 I! 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
$ Z- \& t/ ^) T' o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) d, L9 p( Z/ z
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$ w. L" |& U6 y( x2 N
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);, }6 F( f7 j1 Z( W7 X- u1 C. Z
      std::vector < float > vec2(N);
  Y+ Y; \+ p2 f. b       float* b1 = new float[N];
; ?# `# c! r8 r8 ^       float* b2 = new float[N];0 J- e3 }- S1 U  ~# G7 ]% E# H

; i4 z* z0 K: i+ ]; V. p' M& o) v       for (int j = 0; j < 6000; j++)  r- ~" O0 g. D9 m" Z
      {& v1 W, R1 x0 O( N
            std::generate(vec1.begin(), vec1.end(), []() {
  d6 {- q& A3 a% t# g* t                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
) O% R+ c% V2 B' q3 \                      });' G* q/ I9 i& w6 P
" K1 K1 L2 W* K0 S- C
            std::generate(vec2.begin(), vec2.end(), []() {
& ]2 g7 {- _' U0 |) |3 {                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;. R' A" }/ Q4 K( X2 V! H6 O5 J
                     });
. x  \1 @' H' Q0 O4 I2 Y6 x4 N) Y0 S4 b3 [. R
            for (size_t jj = 0; jj < vec1.size(); jj++)6 _3 _# x; x/ z* r$ ]: x4 F) g
            {
& S; ]# @$ T. g& U" P: n* ^                      b1[jj] = vec1[jj];
& m1 L+ g& e0 _4 D/ S9 d             }
4 t2 ]: L9 b. h  v5 J) A9 o+ u, p5 k# Q0 q0 i9 b
            for (size_t jj = 0; jj < vec2.size(); jj++)
$ X' u/ h0 l1 p0 ~( x9 \             {
8 G4 Q2 D: G# ^. ]  r                      b2[jj] = vec2[jj];
  O2 i( K1 t- n4 H& U" b1 Q- \             }
9 z/ v" Y, e( d# [0 Q6 _9 }' R& B7 B0 V) c; O$ {% V' c
            //Method - 1  N=100000 247s  1 s: R6 I: r0 R; [6 l; p
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
" L5 x' L( |& S" f* M                               / c! p' M- \- q
            //Method - 2  N=100000  237s+ O# }! N! T+ K9 C* ~) T$ h" T% p
            /*3 H( H( {( x. K5 t1 Z
            for (int jj = 0; jj < N ; jj++)' j. S: G$ `% ~6 |& y
            {1 \# i, Q7 m$ }8 r/ r* m* y  g& u
                     fresult += vec1[jj] * vec2[jj];+ [3 S; U% d3 s6 t- T
            }4 z' m, F9 M& `& u3 l6 ^
            */
1 x+ \' X, v0 H; y4 w; X0 ~! z
! j. |6 x3 g8 L, F0 j; X: ~) G             //Method - 3  N=100000 204s) _8 p" y9 ^; }! ]7 |$ w2 Z
            /*
1 ]1 s9 b$ _9 C# y             for (int jj = 0; jj < N; jj++)
4 y; N5 f7 D) `% d6 J; N# V% z             {! ~& o; K$ [! |- u$ y0 o
                     fresult += b1[jj] * b2[jj];
, S; |+ r5 ]1 e2 R& {2 q+ R5 E             }1 E& k5 c1 X  g! i: z$ d" ^# b$ o
            */
9 Q& X8 T% ~2 _5 E5 g: V5 u) i" N# v. L& f% t. h/ w/ L8 H
            //Method - 4 202s
- l% y+ U" f9 |) C: K) `7 k& |             /*
) J. l5 w- N/ I% @* ~             for (int jj = 0; jj < N; jj++)
6 G) s$ O+ B5 m8 t$ C, I* Y* ~' G             {
+ i% n5 f1 ^# J% |9 h                      - B7 @( h& g) A& V! v" P- j! ^2 y
            }; o3 i( J* @& k2 W" s1 \
            */# m. s$ p; @# q  E9 U
            //comment out all methods, N=100000  202s
. f; y5 `' W8 ~3 A" ]7 X0 G  ~       }/ o# q$ H" @) R( D8 F

. d! ]9 h& e; O1 }       delete []b1;
, {0 j% q, B9 w4 ~       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
+ t; n8 U) m) N1 [ W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？
7 w @# b4 e. b( g0 D" A2 r* h3 p6 t7 } j- Y3 Y$ X+ q. L
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
0 Q5 W8 U) F6 |8 [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
$ g4 @- n0 [% z" }" z1 e" Q ]3 r0 n9 [$ 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
, z# y8 i6 J d9 h% gvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)+ U5 `; U; ?7 ?9 m
{
$ `4 F; A) r: r8 l& r 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