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; m" t. ^, a7 g, |% V
拉下来？拉多少？6 y* E q3 c: l0 b7 J2 ]# @- N% ]
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
2 e( a) c3 A% g6 |0 XMaybe 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 23:540 Z. M8 N7 p/ u+ t! y6 R5 E0 m) }- `
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)+ ~. H& g5 q. U3 v
{
" `* k7 r9 r2 [8 u/ G d9 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 00:20' E0 Y. f( ~5 p4 }, b5 m( y% ]& K
这个不是这么比的吧。。。9 H0 D) I( i d/ ^3 Q B: v0 W2 ]

4 A3 u1 q3 |1 ]% Y; a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
5 @) p/ }' w2 L# }! ^7 }有道理。
( S5 E$ |+ o9 B! o. m* U# S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
. K( N- e& f) f9 a: O" P5 f7 t6 P这个不是这么比的吧。。。
: f A5 T7 Z+ j/ w) K5 l) b% H
9 f+ U- V; X/ ?- b( |& W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 01:482 `, H5 a3 B- W, n& k* l
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 01:277 m, Y: u7 c8 A3 s2 \+ Q5 e
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 x4 r0 s* Q& V( P9 L# P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% z+ V3 W* c# w9 Y; a$ 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 14:58( E1 ]; l. [2 v5 i
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);/ B; t# g- y$ D0 x: {
      std::vector < float > vec2(N);
/ ^* \5 F. F+ w$ X2 {* S4 R       float* b1 = new float[N];
( V" Y/ _/ V: y# I" z9 v4 H- a2 v       float* b2 = new float[N];
, e7 z8 o) k6 W; v" |' X8 t, ^
% h, @" M( P9 d0 V       for (int j = 0; j < 6000; j++)
3 `; X% G) q. F* S       {
# E* m/ y, X( r7 [) G( t             std::generate(vec1.begin(), vec1.end(), []() {
& X* w& I$ s* w+ a# \5 o                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
/ D% T% u, ^$ Q+ h                      });% x: x+ @9 {- k7 X5 [+ }' e

! y7 m. Y4 C7 y  o9 y$ p5 g" {, @             std::generate(vec2.begin(), vec2.end(), []() {9 h4 D: f3 G# K& b
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
) I) Z4 D+ R+ M. M* o* ?, x                      });* E# p; ], g5 o

, g5 F7 ]3 ~; J0 b- K             for (size_t jj = 0; jj < vec1.size(); jj++)
6 T; C: j+ C* p5 z- \: b5 W             {
3 t4 S% f4 X6 j                      b1[jj] = vec1[jj];) ]2 T8 u7 Q5 H* A
            }
" y1 Q. w6 ?" `" k8 H2 D! b2 ^; K9 A, h: ^( L
            for (size_t jj = 0; jj < vec2.size(); jj++)6 o% c5 v9 U9 b; j; m1 i
            {/ [8 ~- q9 L4 `7 H2 @
                     b2[jj] = vec2[jj];
0 u# b# L, S0 `0 w. z/ u1 o$ a* L             }/ J; y, |% p5 F2 N( i
" @* f8 o. m: Y2 J8 V3 @1 @
            //Method - 1  N=100000 247s  4 D( x- O8 \% e: {
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);( A# H  ~: ?" u% v# @
                              / C- I: V' D1 F4 q  R9 n4 x! \* ?
            //Method - 2  N=100000  237s
( N" a$ a" Q7 s, ]: v3 e             /*
) X1 {* m  ^5 W* M7 S& ~4 b( _( V             for (int jj = 0; jj < N ; jj++)$ z. l/ }# z. m
            {0 _( p  o+ B' r7 H  [- B, K
                     fresult += vec1[jj] * vec2[jj];
: f: k* a( w7 ]2 P             }4 x5 j5 ]- [. r
            */  R& ]3 i" S: |3 V' b2 M2 ?
                              / v# P; p9 F1 I$ C6 f+ v1 C
            //Method - 3  N=100000 204s$ T2 s' G" x" |) H# l( {- C4 \8 i
            /*
3 ~: b  M; j- {             for (int jj = 0; jj < N; jj++)+ g2 p% A1 o& u  t
            {) y" @( a( O8 E; E! p
                     fresult += b1[jj] * b2[jj];
8 |! N" C4 K8 ~  U" r3 E; `# u9 k. ?             }
9 K4 M2 n: _+ A* `" S1 ^6 H1 x             */
! C5 W. m. a; Q. X7 m: V
) y/ L: J! t: j+ Y) T; o) _             //Method - 4 202s
' N; B( r; Z" \             /*
) o% I: F  R% g- u- _* m( Z6 y$ A             for (int jj = 0; jj < N; jj++). U8 a. Y/ P: l# x. t
            {
2 T3 r. H3 V* |3 ?
; E- e/ b8 c8 p# }             }: N! D: B, o) U# D% W9 i
            */+ z. u2 k; K- I% Y0 Q; a: ?0 n
            //comment out all methods, N=100000  202s             # B% C" l4 _5 A, I1 n
      }
! D1 o. W1 k8 _' [# \) S* q
7 f7 X5 @( A" }/ j: u       delete []b1;
9 ^  P- }% O9 t- y4 A5 f# f       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
( f" f4 d' X1 q1 ]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 d# p& v' Z: O! B

, e# N$ l" o3 y9 X% a6 D! E% 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
$ r1 \. o8 d5 r/ s7 q* P, a 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、LOL
" }6 {# p, ^$ G! F# H1 l z1 S& w: q! E5 m C
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
7 t+ ~ R" } _8 n+ J% U; |' k! |void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
( z* W3 d( w6 @0 Z/ k! g K* ^{' _! e( _% K3 D. @9 W0 i
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