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 I6 m4 Q! e# ]" ~, k
拉下来？拉多少？" I' S" L+ n) m7 T$ ^
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
}: y/ N+ m6 s7 u) dMaybe 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
; T7 B$ [; r. i; {! w. M5 y9 Y# l1 ~void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)* E- q' C4 R5 o0 h7 s0 G9 Q
{' C" _% x+ U: C: W2 d( P5 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 00:20
" H8 V! w6 g9 x! a$ H8 g* d3 `5 E这个不是这么比的吧。。。8 w4 f# S: F1 W: V

+ |- `6 h0 g6 j7 y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
* X5 A7 b. A2 X: g: ^有道理。2 Q6 M- v+ G9 \* {/ _
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% E& {$ o9 w7 t8 u2 a# P
这个不是这么比的吧。。。
- C2 o1 X5 T6 `3 c9 d2 A/ O
/ o4 M7 h0 g, \: \) p3 R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
% ]! } R! h( Q4 U: t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
- H9 o& Q4 u; x( Z' r. c B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
! X8 Y$ g% N) C4 G2 G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
: a8 c1 A+ { j/ x: e; 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 ...

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
. A! ^/ ?7 e4 M' q" V" {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);
/ i7 f8 v; O) m* n( Q5 o       std::vector < float > vec2(N);
( c9 k5 F; L2 W' D5 s* G* v       float* b1 = new float[N];
      float* b2 = new float[N];( {+ k( D8 b2 a: B' K  m3 n
. z4 ], y7 ]+ U0 x' w
      for (int j = 0; j < 6000; j++)
; X" y. ^/ |: T% E2 R$ O       {/ u4 Y2 |( W5 F. C" w: p9 `/ c# M
            std::generate(vec1.begin(), vec1.end(), []() {
# n1 O& ~3 B) d* _4 n                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
, d/ P" e8 F5 l, _) L' \" _, S5 P" a                      });; \# m# ~) Z3 J3 z# P7 F

8 ?% J- s/ f9 L1 U0 g- C             std::generate(vec2.begin(), vec2.end(), []() {
; @5 K3 D2 A7 l$ G                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;" Q& S  P& r6 q0 m
                     });
( s  a! ]: _5 _/ o; \0 W( `) I- [/ j0 I# g
            for (size_t jj = 0; jj < vec1.size(); jj++)' D6 l; N4 m/ D& ^- Q/ w- P/ B; X
            {) Q% l* M8 z" L3 d7 E  X
                     b1[jj] = vec1[jj];
$ o0 [4 o- @8 L7 e' N( q             }, t% R. s3 N( {3 u
$ d& h$ b% m2 W8 g: ~1 m& d
            for (size_t jj = 0; jj < vec2.size(); jj++)8 V5 p8 b9 ^3 Z. O( X9 s, X% ~3 W
            {, ?9 m8 t, I- l* u6 W. u# _) J
                     b2[jj] = vec2[jj];
3 P( A) E" m" E* [$ m9 T: L             }
6 R7 h  D- w7 ^( C1 r/ b: |) a6 u* ^. t9 |, ^4 {" l
            //Method - 1  N=100000 247s  + o5 G$ S/ M( R# O( X5 n1 {
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
8 i: q/ @, g( i1 _$ Q" i1 I  u* j
+ E# ~( Z! y9 u% @3 n             //Method - 2  N=100000  237s, ^- }: L9 Q7 A: J
            /*
; r& E# P# }# s4 E# W             for (int jj = 0; jj < N ; jj++)
( c) ~. g1 U' i0 F$ Z* Z0 J6 M. N             {
' L. m) ]$ E, s' u. z$ D$ l, y                      fresult += vec1[jj] * vec2[jj];
: W7 ^; E' t2 G; A+ ?6 s* c             }7 M; `$ U4 H3 a& _4 Y6 U. l, |8 {0 Y+ o
            */
" m- \6 b8 `8 M* Y; D                               0 N5 R7 A; y1 A) G9 @) Y% p
            //Method - 3  N=100000 204s7 c0 s' W- k) J$ }7 e( u% h
            /*5 H* n* @5 ^& x8 c9 k
            for (int jj = 0; jj < N; jj++)
' G( Y& t" M4 v( X& ?, `3 F             {
5 k8 k6 p1 F' P( G; y& N                      fresult += b1[jj] * b2[jj];
. L9 C$ e8 W* I) M8 f( k3 X' C, w             }0 r- e( c: a. F2 M8 t
            */
3 [3 X/ E  M+ r! r0 ^. {9 K" G+ d
0 `1 u- [" h2 k             //Method - 4 202s! K+ {% ~; g" Y1 n" b3 Y- _
            /*8 O1 g5 ]3 }  Z
            for (int jj = 0; jj < N; jj++)
6 ^/ z2 [' F! r2 _8 X% m% j5 `6 W             {8 \- ]) l7 w9 z9 X. v

/ C4 R: _( m' a" n4 j) E             }) m6 ^9 ~7 b6 {& O) l. y
            */
: Y, w7 W: E% ~  C; j             //comment out all methods, N=100000  202s             * o  O, D6 [7 h8 L7 R4 S
      }7 D' r1 a: Q& n8 d4 V2 C" `: {, X

- b; }# `# z3 ^1 ~) W       delete []b1;
: u* W4 Y, z7 d  a* n5 y       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. K: i. B7 }) D* w7 R
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？
; n0 T/ y/ `, @0 c0 \; W; n0 y/ m, s
. o' x7 H' M$ a4 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$ Y4 l4 a0 Q" p
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
1 s$ u; e6 Z6 I
% m7 z% c3 Q& _# _5 h! J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
% x, w9 ?- c) A ^void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)) g0 a. f1 f. O9 n) y* G( d }8 u* d) S
{& X0 i& x9 l/ a4 f2 Q& 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