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
( F. w2 M# K& S( u. z: `; ?) d拉下来？拉多少？0 X" I5 I3 |) P7 c+ A+ U
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
$ k% t; t$ }% Z E! A( {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
) x6 Q0 z# {0 Evoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)0 m* p8 N E* r2 a/ D$ j2 \5 F5 G" j
{
8 E3 d9 ~8 Y0 b; Z 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# K8 u. c/ {# q: Y, V" G
这个不是这么比的吧。。。
5 F# \. y8 w2 c' J: L/ v0 G; t0 f0 V9 e( c! G# L* 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）。

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
9 H7 X- H) z# d' @有道理。' H2 \' N# Z, J% b2 Z2 T$ O
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+ f4 m" y1 C* M, I7 h! k
这个不是这么比的吧。。。
$ b& P, H! O& K# I, v9 a6 p
+ e- O3 T" j* u' p9 D8 t3 @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; H+ m U) ~ z2 _+ e/ W5 r% Z
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
- [4 H2 I# |% u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" `( R4 y& r% Q" N- P" 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 ...

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+ n* h" a" s0 v- g7 }9 d
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/ X; |1 I h8 B
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);5 I+ ?1 F2 L' u- \2 i) f
      std::vector < float > vec2(N);$ O! W7 r" Q/ E/ j
      float* b1 = new float[N];
9 |& p( T$ G3 b( [! V0 p       float* b2 = new float[N];7 L% ~' F- H: R+ b

/ d: G2 h; t, y5 b       for (int j = 0; j < 6000; j++)
& ]" I5 H& z* s: ^( b* x5 j       {8 t" E; ^- U0 l8 H- V% p2 u
            std::generate(vec1.begin(), vec1.end(), []() {
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
! L$ v5 G' }! C+ U4 i- l5 o                      });) W; W9 |, J, e" s

% u- {; ^  R6 \0 _- U             std::generate(vec2.begin(), vec2.end(), []() {
( T) \# V7 K% }                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;1 V; D9 G) {6 v  B* J7 T( ~
                     });9 d) |+ `, g& f

5 M# A5 a* Y; I: r2 f2 W! ?5 s             for (size_t jj = 0; jj < vec1.size(); jj++)
6 h5 Y6 @* A. o# s  ]1 `8 [* K) A             {8 C- p& r: a9 Y2 U7 i$ D
                     b1[jj] = vec1[jj];2 _% Y3 ~7 ?( }  \9 V' Y, K
            }/ N3 Y0 S" l9 F! `2 e2 i& @

0 M7 j. l" T; X+ b9 d% X             for (size_t jj = 0; jj < vec2.size(); jj++): _: f% N! N' w$ ]& D& J
            {: s1 M/ o* J" h! b
                     b2[jj] = vec2[jj];
3 x- k/ h3 K. J# F9 Z             }
% M$ n% m$ ?2 u9 z( ]2 }- u8 ^, [5 |* D+ H; k
            //Method - 1  N=100000 247s
+ U  I9 C+ B; }% G- H# G2 Q1 `             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);5 m& v! B3 {- @4 A. Z
                              " E2 G3 E1 [. ]' i
            //Method - 2  N=100000  237s# L$ p7 O# |7 _: ^+ F, m; |! I; c
            /*
, n+ }) i6 e+ R0 D3 S+ }, c             for (int jj = 0; jj < N ; jj++)
4 b* s# G! i5 w1 F, e) G             {5 V8 G; H6 p6 g. P
                     fresult += vec1[jj] * vec2[jj];) m7 _; z( q; w  w
            }
3 x% V/ B+ q; w- Z& K( {             */
: n8 d" i3 f0 @& y) U. w/ `5 D                               , L% e5 Q" S+ S* q, A  `- ?8 B- S
            //Method - 3  N=100000 204s& ?* _9 V4 v, c8 \+ F
            /*! O! Z, d  G# Z
            for (int jj = 0; jj < N; jj++)
. E' r' i/ ^0 @1 ]             {/ a& J/ I# S0 _6 i$ g' c( V
                     fresult += b1[jj] * b2[jj];* q- ?$ Q$ X& M7 I, F) i
            }; x0 R4 Z( q+ D& s9 I/ f8 [! K/ s
            */  S9 y6 {8 v( r. M3 e

$ H; x/ R3 J* N0 j             //Method - 4 202s
  _4 r3 ]9 @9 ~+ p2 I% w             /*" @( c5 h9 O- R& k
            for (int jj = 0; jj < N; jj++)$ g8 O, Y6 v. z2 a4 r5 j
            {
; o8 \! F$ n% U- c3 l% L                      ; ^6 b9 ?! G, t$ Q% k
            }
9 j& W6 j) f) o/ ^- z, C( ~             */2 E/ g8 Q8 U8 Y5 n: _* u2 y3 C0 C
            //comment out all methods, N=100000  202s
# g3 W. b( o: k" h) F" r' V       }
: v5 [. s  `# _; K, v/ ?
8 Y. _) M, T- G5 t       delete []b1;
, ^9 C, a" _: u8 T: h( `       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
7 t: `9 w( T2 e& Q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？# l, k* o6 Q" t' T. N0 j

- w/ N9 S) ]2 B s5 [8 s+ r* 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
: [. T0 L4 t8 a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
% Z# T1 K0 W' I+ I$ X9 d( o' g
# b; T2 b. Q6 b. g q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
0 V. {2 u7 i3 h7 `; }! Qvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB): _$ X2 N) V7 S- z m% H
{
0 v. J3 G) t% R7 S, f" b1 Z8 Q 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