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
5 }" d0 y) X3 I9 H拉下来？拉多少？
: D4 [; X* Z: w! x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 23:336 [$ v5 P( R3 C1 p5 W; V+ [# D
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
' }# K8 y( |; Q" |4 v4 mvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
( P: T) N4 X( R" ]( s+ Y G{( W6 @5 g9 m6 U" y' |! 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 00:204 K+ h7 \8 _7 X2 x
这个不是这么比的吧。。。
7 T8 C' t9 s* A! A
, r; E3 I. D2 W; v2 p7 W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
" \, Y' A: Y7 @) ^' m0 f有道理。
. q4 @, S; t; G/ u5 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( v; t: B9 B) F: s
这个不是这么比的吧。。。
/ s6 ]- h+ D) ?* ~# L' c
" f N* t+ \- P7 ?) ^* [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 01:487 |- P" C5 |) 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- N6 i( Y- }6 t" G' \) L* M- E
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 q( Y. M* d2 d* 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
( K" Y" N% [# e6 r9 \ k2 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 ...

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 14:582 B: o& \4 b% ]/ 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);3 R& x7 M* w* J
      std::vector < float > vec2(N);, }% g( A/ V0 B$ H$ l+ n& B
      float* b1 = new float[N];) k3 S: c, x+ O: j2 x
      float* b2 = new float[N];
: w% t$ O: `! S* G. }
  P5 z1 A" ]; y+ U4 i: ~8 g% ^       for (int j = 0; j < 6000; j++)
2 V' N9 v( e$ S. {       {
' j# ~5 S* Z1 k5 ^5 w  D             std::generate(vec1.begin(), vec1.end(), []() {
( \: J, L/ g7 }% m' U                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
& X' e# b# N5 _% Z1 j7 j                      });

$ {% k& n8 g7 u             std::generate(vec2.begin(), vec2.end(), []() {9 t6 I+ A+ ~' G% O3 m
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
9 i  x8 A3 y) N* F) T6 i                      });7 \: j0 J5 {  Q1 }. i; a

9 T9 H8 G( B1 X" ~! Y             for (size_t jj = 0; jj < vec1.size(); jj++)# b3 o& G2 S) v& b. V. v6 y
            {
4 [. C& R' X5 X" `/ z                      b1[jj] = vec1[jj];7 u6 @2 P4 K6 ^9 |+ B: p: c
            }* @+ f  d: R5 s! ]1 a

# C5 ?' q7 a: i: ^9 }             for (size_t jj = 0; jj < vec2.size(); jj++). J3 V' L( w$ i. p+ u
            {
3 P) z/ u3 e6 A$ z                      b2[jj] = vec2[jj];' R# P7 m* W0 A4 F7 n) r
            }$ [& _% ^$ j7 w/ y% d
& n3 C. |; ?4 e. e& V/ F& r
            //Method - 1  N=100000 247s  % i9 f, O4 R* ?, W- A( [( ?
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);: V4 ?. B: J; F3 @3 S
                              4 h, \" {8 g$ q! b5 \' C
            //Method - 2  N=100000  237s
2 Q. e6 }+ Y, e" U5 L             /*! Y, c# R3 k0 @; D: {& W- m7 d3 _
            for (int jj = 0; jj < N ; jj++)3 Y5 S( Q8 A3 N
            {
+ q. o# e+ z0 ^# W- Y6 q% r3 B% `                      fresult += vec1[jj] * vec2[jj];. a6 t% A% n: g+ s+ A/ p
            }$ q$ p! M( U9 @( ]" s
            */
8 x6 B0 I7 j: X* |                               ) d/ f5 R3 H$ o0 b7 N2 \  b$ C& H
            //Method - 3  N=100000 204s
/ p+ b& a2 G4 S4 Y5 `             /*, q; y' @4 J9 K% I7 p) Y
            for (int jj = 0; jj < N; jj++)
4 J3 N8 V) |: B, T" ^             {
2 c! d6 x! X4 Y; j2 X0 H                      fresult += b1[jj] * b2[jj];
3 x' U# m6 o  c1 x. y) v             }# L# L9 k# p6 u$ e
            */  p+ [- X/ G  r/ M$ L2 b
: B9 I$ M/ i4 ], R0 }! g) g' c+ S
            //Method - 4 202s; H8 G* F6 c9 u! C' D
            /*
( f1 L. _5 L* k1 j+ ~! ]% S1 p             for (int jj = 0; jj < N; jj++). l& v* X% c/ C7 E0 m
            {3 p' K5 i  _" s2 {; y  ^* b

* m) ~7 `* _$ R$ X: ]4 Q* C& i             }, w6 }! H" T" K. I( K
            */4 x: E# E' V1 j; W9 E. D
            //comment out all methods, N=100000  202s
# t  q, Q; T2 F/ P       }
, Y- o) {3 @* _2 n6 g% S  F) f; K- J3 ^8 ~9 @) f9 |1 ~
      delete []b1;
  P( w8 C" @* {1 l: 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 00:15% |6 Y# g/ ]1 z# \& X6 ?' m+ N
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？" O) G) n! K' m) R& ]: o# g

+ S8 j& y2 z0 s0 F7 K" \+ U3 D& K2 Y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
( e* x3 z' U. k( q- z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
. Z8 N# o* i9 Q; z
! f# d% j4 C* ]+ `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
5 a+ N* M! y3 C4 H: Qvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
0 H1 g+ u. d7 U* L E* x% T{) |; t2 d) w0 |1 _5 K6 Y( K
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