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 B, h! _5 f& ~$ j G
拉下来？拉多少？
& x$ b7 \6 Z: B& D2 C8 D1 m+ U3 v$ r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- \0 X6 O5 v) L3 uMaybe 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
- Y6 R' X8 ]/ `% xvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
4 T% i6 @0 W4 ?7 k{7 \8 G" e t9 Q; s# Z; D
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
: p$ z9 z/ e i2 N- N这个不是这么比的吧。。。
) a3 h$ G2 }) ~/ Q, s# _* |) H6 ~7 i
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 00:464 ]" M2 {' s) j8 [9 M
有道理。
0 K" r' R. v6 v \1 K+ G3 ?/ E0 C2 R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; M& O6 W& w) E+ k
这个不是这么比的吧。。。
+ D( \/ a5 g5 b) f* l# L4 i9 R( S: M, w: M) 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）。

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
) a6 v3 @8 Q; ~$ R* Q5 m& G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/ v; V5 }$ A4 ], d" a1 q& C/ y) I& w
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
& u6 X6 m% ^- D5 E2 u' 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 R+ a- B5 l1 J# _0 U$ i( z
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
+ Y" [# B) H9 }: ~- C* Y7 _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 L" \# }2 ~( O2 g* S5 H) l+ \
      std::vector < float > vec2(N);
* _. C1 }1 \7 r: n9 ?2 I  ?6 m0 S       float* b1 = new float[N];
6 v- M# _- k+ {8 j. h$ Y$ R( E       float* b2 = new float[N];
. R7 t9 S$ B3 x" [
, ^' P1 c8 Q. C( b- y) s       for (int j = 0; j < 6000; j++)
- f: ^- a- k$ Y4 }8 k2 I       {! h/ X. w& ]- E- u( X0 O
            std::generate(vec1.begin(), vec1.end(), []() {$ k1 d) I" C- F# U& E+ ?
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;8 n% v& m4 P0 C3 Q1 O
                     });
# z' v1 |8 x/ F7 J1 F( v' F1 D5 e" W) Q& G
            std::generate(vec2.begin(), vec2.end(), []() {0 `  i9 G" g/ u9 v; |7 ?, M" X( D
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
; h4 t0 t0 J4 `                      });; \, R/ C1 [0 z

* T1 I' S8 J$ x9 j6 u, [+ D             for (size_t jj = 0; jj < vec1.size(); jj++)) F) \8 E, i2 N# V& F5 M: j
            {( l9 C  F0 H: }
                     b1[jj] = vec1[jj];
2 f9 l6 @! P! t- h& y) k8 ^7 O             }: \( W, q/ X) d# q

! Z- Y# k- p4 B7 I             for (size_t jj = 0; jj < vec2.size(); jj++)' P5 R( a1 g- M- T+ B
            {
# K- l  ?2 b# o* Q                      b2[jj] = vec2[jj];
6 \, p5 I4 H1 N. X             }
: k' d5 Y# n0 I8 `8 r/ T% O" Q5 t$ b2 w7 s: ^! g+ }0 A
            //Method - 1  N=100000 247s
8 v6 g4 q( ]* h  x1 j# |             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);6 h2 v3 N. Q) @% }' `. T# T

- k$ M; r8 C, K             //Method - 2  N=100000  237s
" V9 T& L, p6 L- a             /*
' o( x) [2 k/ a# O2 J0 p3 {             for (int jj = 0; jj < N ; jj++)
2 Y" S+ j2 k3 `  K4 i7 \             {
' l5 C& V" J1 f5 P+ s                      fresult += vec1[jj] * vec2[jj];
  O; o) z' t6 Y1 O; A7 u5 ?- L             }
- E( }8 V' p$ \& X+ v* e1 I% H4 u             */) S9 W$ N% @* x& }
                              , b, K) _7 O# n+ `5 Y! H  M
            //Method - 3  N=100000 204s/ r7 C) n3 A6 _# {$ r0 |
            /*
1 a9 O# W, b& N" v* L             for (int jj = 0; jj < N; jj++). _. g  {0 _) w, b4 c  k
            {! z' s5 B+ @& M5 |/ p5 E
                     fresult += b1[jj] * b2[jj];
4 p/ [. u' Z7 q: {/ Q" @             }$ r) g: M, W4 S# E
            */, F# s7 h2 o: Q! H% |7 s

( n+ U# i- p' a: n# P8 u: `2 D- ~             //Method - 4 202s) d) b, k! U# Q4 `/ L5 l& e1 J
            /*" k1 Y( g2 I# t( S
            for (int jj = 0; jj < N; jj++)
4 e9 x! \9 T5 i5 R' I             {. x, M$ p2 G9 `- ]

: k6 _5 L4 f- i/ K, J             }
& b" D6 h$ B' m' A" l  V$ |             */
, A* w$ s/ h, T: t' w' Y             //comment out all methods, N=100000  202s
, K, ?) f9 N, R       }+ x8 b' v; d/ F0 ^/ T+ B; L+ o

; Z* \: j: u% G, O% X       delete []b1;
3 T8 c1 V# \+ [8 Z       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, Z+ Y Z% y3 c
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？
5 V; L! N6 @+ `7 C, w9 R5 P1 n' T3 g6 ^9 f$ ?9 Q! b' Z
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 01:165 w6 R8 x, X) n4 ? K: o. _( {4 \; ?
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- a, |3 ]) n3 w2 D

) G9 W) G4 H7 e0 d. N! }# ^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
: i& Y/ ]+ |9 K( dvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)6 e& h! A; l- w& z! D
{
& g: t9 l. U8 z) G 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