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& Y6 i7 r5 ?1 l# Q3 A4 |
拉下来？拉多少？
& j5 U+ B$ u$ y! u6 x: Z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; B8 N0 W2 {8 h0 J- S! E
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
# }) N. j0 a1 ~% avoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)" y0 t7 Q; u* _% d; l
{
% ?* ?) d+ p# V* @ X 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 00:206 v( n$ K$ v4 V9 X! }
这个不是这么比的吧。。。# {6 A+ g4 L6 ~7 s

! K$ U* g$ u/ J. ^' R C8 ~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
, M$ {$ _# N! Q0 T1 l, D- s' ^有道理。$ \- I0 \0 Z8 ?# X: Z2 X3 k, e
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
" O1 e9 C# X$ M/ f# w这个不是这么比的吧。。。
% Z; T4 m' [' i Q4 J! N: g8 c5 z: t% K& i; S
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& e* c8 b( p6 \
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
! Z4 k0 u( Q" o; N6 B/ ]6 X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 [4 ~2 S- }8 [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# r2 R) ~) Q3 V8 d1 m
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 14:589 k V2 C0 d4 ^, X0 m- }6 y) 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);
- [. |& a9 t( f) x& `1 E       std::vector < float > vec2(N);0 c$ b# S0 p7 A* E( R, [5 V
      float* b1 = new float[N];3 `9 u( W7 |0 V: C! [
      float* b2 = new float[N];: Z' V, `  I9 D% Q6 v$ x8 N6 W

4 B& ]3 S. i& v1 M& t4 k& W       for (int j = 0; j < 6000; j++)7 \+ g; u- Z- k# N& @( G  A
      {
& B. \, S& |0 r& r- z             std::generate(vec1.begin(), vec1.end(), []() {
' \2 {$ f4 n. s/ I0 A9 {                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;8 y( l& E( ^% `/ p( R
                     });9 r: U) z) K' a( X) r0 p
( I/ L* T1 C' u: J. f
            std::generate(vec2.begin(), vec2.end(), []() {  V, W) Y. V( n9 F% y
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;9 w$ V; J+ s- y0 U2 p5 Q+ n1 K
                     });
  z! m' V0 A8 v" M( P' F. P" L0 C4 |' Q+ ~9 z/ E% U
            for (size_t jj = 0; jj < vec1.size(); jj++)& m6 x4 x$ P% d$ }$ \
            {
9 c6 T6 i9 l1 \- T                      b1[jj] = vec1[jj];$ o1 V: B0 t9 z) u8 J
            }
% @7 w$ V- q, M; x5 r2 L4 G* t
# z7 w$ g( I! q! b( S             for (size_t jj = 0; jj < vec2.size(); jj++). |+ l2 P2 e$ [$ q1 k/ K4 l7 B
            {
0 q9 p2 P$ \; n) b$ f9 O: [, M                      b2[jj] = vec2[jj];
8 f$ B  W# g% s0 j             }# ?9 i) I" j; o# N
8 ~6 J3 q9 [" N0 W
            //Method - 1  N=100000 247s
; p! q0 h  X. R5 ]             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
6 {7 X" c5 i3 p9 D
& D1 }# @6 E- `  A2 v! C1 G             //Method - 2  N=100000  237s- Z/ L/ T1 O  s& k4 Z1 @/ j
            /*
$ g+ y8 S- L9 v, F3 N6 ?             for (int jj = 0; jj < N ; jj++): Y* C% ^7 K5 e2 w6 r5 z
            {
8 y, U' W+ M: g/ N                      fresult += vec1[jj] * vec2[jj];
) l+ a9 b3 e3 L             }4 ~( ~0 ^/ h4 t/ J
            */& M) ]  r8 z0 v

2 r' ~1 h7 j" J4 ^6 R, e4 \5 s             //Method - 3  N=100000 204s  B7 C4 l9 r, Z8 F0 n
            /*# q4 g, B7 {) I% H. @
            for (int jj = 0; jj < N; jj++)4 A6 V, _$ L& C
            {% E+ d: _2 H, E9 \
                     fresult += b1[jj] * b2[jj];* |) V) p8 H/ a( J$ I3 u
            }
( E. ^* _7 \! b. B$ F1 ]/ G4 V             */: U/ d$ _/ N& C, M0 i- ~

+ C8 }" H6 ~- b) o. j- P             //Method - 4 202s
$ s6 z8 I9 q9 ]: @             /*
, y* f0 O' ^7 @             for (int jj = 0; jj < N; jj++)
% Q% ?: R) T4 B; J- @             {
: l7 Y# U  T8 h
            }
7 ?: y- i( F1 p             */
$ N$ y4 Z5 ~& S; A0 t             //comment out all methods, N=100000  202s             % o7 i( `8 I( N. P; J
      }
. V  e6 N% W3 c/ w
4 c  h- ^! b3 T7 a       delete []b1;) A8 s' K! s7 |
      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
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？
, {. x( k0 X" f3 \$ e
- Y& Z8 `* T/ Q4 ^$ l, H2 S+ C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+ A% A5 ^* z8 _5 \
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、LOL5 u, Z6 h# e% c% z: K! v6 s

9 U& l& ], i2 c/ A: D; A I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
9 D9 r- c" M) _void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
- R1 R! [9 I( j! f+ R7 H D{5 q& Q* B5 i$ i* D
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