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 23:041 d/ _$ b$ {3 v3 D8 `, G
拉下来？拉多少？
; J' g( T0 m8 Z8 C9 y# o+ C9 H3 c, }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 23:332 i: F4 }! j/ U
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, V( T7 b1 a% N$ B C+ `
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
: M" d, ]* S, x: i{6 D" @! Q f3 W7 G7 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 00:20
0 g" c# H8 Q, F, j. t这个不是这么比的吧。。。$ H. ^7 g" z, _# k8 e

$ Y- }6 @% ]% Y- [) G: E3 }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 Z& S8 a7 V* {- V& e有道理。
3 O! O# w, ?! U4 I4 n" Z9 h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 00:207 J6 c* L7 y' o+ G
这个不是这么比的吧。。。" Z4 \1 r( b/ j

( W9 U: n+ 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）。

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
' N* y/ \ n# s0 p2 T' |9 F& ?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 01:271 J. Y# X* h, h$ M# Q% v
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, s) W5 B1 t( y9 `& F1 i8 U
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- ~9 v; j8 h; j4 F: I& U8 c1 W# H w
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
: W9 c" h1 ]) f2 Q/ w6 h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);. O* G+ U" G( w" z: m' d
      std::vector < float > vec2(N);
$ M2 Z- `7 l9 d: @       float* b1 = new float[N];
1 H( u  Z7 h' U" ~: E" C       float* b2 = new float[N];
) n. V+ K6 {- B5 W1 c
9 S5 [; {8 l# r( |8 x8 h4 E; Q# H       for (int j = 0; j < 6000; j++)$ H7 r, ^0 `' v: u
      {/ z$ U  o) ^0 J5 G
            std::generate(vec1.begin(), vec1.end(), []() {
# z* w. V7 D$ j2 G& _1 d                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
/ ^3 a; @, T# T+ t" a! T7 s) S- ?                      });
2 ?5 m1 t2 C; Y) _$ n; x7 W9 C, G: U, w! J% U2 f
            std::generate(vec2.begin(), vec2.end(), []() {
1 P# c6 }2 O7 T                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
- c# a- a! g! @: z                      });
+ c1 H. |5 |( u- J4 ]  N) {- @, E6 a4 I7 ?; Y4 `2 d" D6 |
            for (size_t jj = 0; jj < vec1.size(); jj++)
$ R8 ~! F! x0 J# i1 r) ^             {
1 |& U' k1 t  K: p0 y5 J4 c+ k                      b1[jj] = vec1[jj];
6 @3 V" S. @- t7 N8 x, y9 [& Y             }
) |' W3 C9 M1 i% T7 c4 u$ ^* P8 e0 R* c- J% ?6 V
            for (size_t jj = 0; jj < vec2.size(); jj++)
& G2 i. ^; Z! _3 X! j2 R             {6 V# D( t: z. `6 D' c% P
                     b2[jj] = vec2[jj];
0 [1 Z+ j! y6 d5 L" K             }
& I8 B7 c" g  {9 f# X6 g
) x- m& @+ L5 @+ S             //Method - 1  N=100000 247s  / T$ g- d9 M+ s) |- [9 o( s
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
- W7 F; v5 U3 J1 g; _- [3 Q' K                               9 ^7 J6 k+ {9 @# S( g7 k7 W
            //Method - 2  N=100000  237s2 q& g/ h5 U+ x9 d: {" U
            /*
! ^6 |+ ?. g. |, q% J0 v             for (int jj = 0; jj < N ; jj++)& v2 u: W6 R$ [2 u. w
            {+ Q8 P4 I5 e: Z- l" h2 K
                     fresult += vec1[jj] * vec2[jj];
* h  [' V: C% J9 W/ J8 z             }
( W- j+ x6 X0 Y9 t* Q9 l             */; k, n1 ~8 D8 t% S
                              5 x' n. l, Y& @. G+ B* ]
            //Method - 3  N=100000 204s/ A2 M+ q% _  Q
            /*
  ^9 |1 S) t# u             for (int jj = 0; jj < N; jj++)
7 S2 v" k3 f1 Z$ x% X             {
; q4 F9 j0 O. L6 o/ X                      fresult += b1[jj] * b2[jj];
$ J  V0 V" X9 B( ]             }
% o" {/ c. `0 H             */- R9 c1 ]0 E+ H$ N

! d: G# }- t2 l% @             //Method - 4 202s! Z, m8 b2 A6 u
            /*
, t. O$ z9 ?3 d' [             for (int jj = 0; jj < N; jj++)
' D4 X: \2 i: W: @9 J             {
0 `6 E, I# s  \* @- U3 b8 P                      ( F* f5 Z' T& N4 S7 O  [
            }
# l! r8 I0 g/ c# o8 Z2 U5 U             */( _. l1 e* l( {( U! w
            //comment out all methods, N=100000  202s             : p* w) |& k- ^% ?" o' N
      }
8 n1 n0 r! R- [: ]4 V3 n. j, \  ~: |0 e1 L6 C( t' V
      delete []b1;* n% I# p$ w1 r& ^* E: o
      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
( ^ q* v& P: V( _! f( G. ?, 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？3 g$ o& ^5 G7 K n
0 y5 d. b5 M& c4 N
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
, ~" `# q/ I# G& A* h9 s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. t* t7 V$ a/ z+ f- b% P
. ?% g$ ?1 j$ F" ]% w
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. S4 T$ @+ F; V9 P: z% L
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)2 D, M$ ?0 ?/ E4 e: c+ a# ^$ m8 P
{
$ f( P9 w! u. J 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