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
- _; M6 G' L$ h+ c7 {6 b u% G拉下来？拉多少？- U- ~& g4 Y* H8 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 e' @0 ^2 z. _( l W
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: I" J8 H% j8 N6 ]% `1 ?2 Z
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)9 m! ^0 d/ z# u, ~
{
) }2 Z7 h) ]7 B7 b. P) I$ V4 W 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# K" |3 \5 C+ o
这个不是这么比的吧。。。, H: {, ^) t3 {8 W: D0 ]: a: T
" L4 ]# ?& x# Z5 Z0 Q; d4 D
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
- Q& {( G8 {" Q& a( ^ W有道理。1 j* t I; ~' R4 p. X1 y
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
$ j. \' j! d: | {+ [9 L; e O这个不是这么比的吧。。。$ o, M3 Z& o8 S4 T* B

& m3 s3 v8 H# K# i. N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* }& }9 t, D. [6 t/ t) G, O
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
]! W* M1 i D: n& }7 M6 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
3 W; ~3 x0 V" ^; W- K: @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 Y0 ]0 {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 14:586 D, I5 {7 t" V: Q
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);
" g& a# m) o4 |- d3 e       std::vector < float > vec2(N);
/ d4 h2 E2 Q6 W# N7 N! s9 K       float* b1 = new float[N];0 K( J" n: J  i" f
      float* b2 = new float[N];; ^2 i' L7 ?* N2 j. V! R

+ \9 b" v4 f, a+ V$ G, C+ I       for (int j = 0; j < 6000; j++)
' F5 U2 Y4 P8 S, X" ^. Z9 t1 b       {
. M! o5 ?+ I9 K6 q# z             std::generate(vec1.begin(), vec1.end(), []() {
# P% J9 S* n+ ^$ G3 H( K" p0 T8 ?                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;5 {$ v2 C2 T. S  g% K8 n
                     });: X1 g' }: s; x- Y& I

9 ]1 h0 s0 m9 b- _5 J8 @" o3 W, J             std::generate(vec2.begin(), vec2.end(), []() {- j% ^1 b6 L. d% R+ o) [; Q1 ^4 @
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;8 n) F7 n2 S  E- X$ h. E
                     });6 }: p( m  d; p3 K; ?. S9 L: G
/ L3 l" F* S# \% [
            for (size_t jj = 0; jj < vec1.size(); jj++)" u4 n: p# e5 F$ S
            {
: w" f  p. E3 B' A                      b1[jj] = vec1[jj];
5 B' G/ I1 g5 v2 ]+ ~9 t. K! ^4 a             }( I5 o8 H. A8 x- B3 ?0 S

6 |' O" ~) P) u             for (size_t jj = 0; jj < vec2.size(); jj++)' z/ ^! o9 ^+ }9 [3 z
            {& H# P; j  P# D% ^) a  j4 U
                     b2[jj] = vec2[jj];+ D, g+ ?) S9 j* [. X4 t
            }+ ?5 t1 B; w$ a1 s5 }

7 T! j( a: A8 o. V  y             //Method - 1  N=100000 247s
" k, q3 k4 j' z3 e             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
5 Y4 \; [) }; Z( o/ L7 F                               & l" Z9 J% i( _! c3 p7 U
            //Method - 2  N=100000  237s/ B* t  o+ m# m
            /*
8 I9 O/ I/ O/ k5 U: r9 P             for (int jj = 0; jj < N ; jj++)
8 N; s4 _( G3 r9 c0 i5 n. I% k' }             {
. o# _0 w4 H$ l                      fresult += vec1[jj] * vec2[jj];
, z: S/ y, M( W4 J$ f) E             }) ]; _  m4 J$ O' l: e4 M1 Z
            */
4 Z8 g- G: n' {* w8 S) _) @' L% k4 Y# `                               # n4 m  z9 ~8 H& ]+ I
            //Method - 3  N=100000 204s
; @8 L: h  v( ?2 }5 P             /*
; ~: Q2 q3 c7 Y4 l0 n             for (int jj = 0; jj < N; jj++)+ q- Y7 `: `9 M$ O
            {
) _9 F4 C* q3 A3 c                      fresult += b1[jj] * b2[jj];
% ], l% [( Q: H" T) t9 F             }% M+ S. X4 p4 `7 G, S
            */
4 J% H) U8 E+ b- \. v! B  e: U
. K4 a: J9 Q6 o1 h" B( j* A             //Method - 4 202s' N( ]' t3 h/ C% g
            /*0 d2 X/ k- e, g$ f5 D* O
            for (int jj = 0; jj < N; jj++)
$ g* r0 Z# U/ {: t. J0 E+ @! H6 f             {1 W& d, w2 L& D# e) ?

4 q+ t! d6 M" P9 `3 v* R             }
7 A9 c3 F( C9 q" l% `& K             */9 h7 ^. B8 ^5 ?$ S% w7 i3 p
            //comment out all methods, N=100000  202s             : x, Z3 M, l1 `4 _5 ^7 N  F  q: M
      }/ x# ^; g: C% m3 q8 g

% U2 A2 A5 i9 M  T       delete []b1;
9 Q) l: I+ o/ q       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 00:156 P5 f6 m7 a. p) _) {7 z- S
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 u% o2 t1 y( J2 Z
! a L. l! C) r; K1 @0 H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
" _4 `7 G& H3 j+ e3 I1 D9 S0 C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、LOL8 n1 V3 Z8 n% E; _
0 F$ p" G# l4 R, ^ c4 H
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% H0 a% Y. v" a0 e! I' {+ W
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
" r2 z g9 P! I e5 C; O{
]( I& p1 o8 Z4 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