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
1 u/ C& _! R: c( E6 B1 h$ Y拉下来？拉多少？0 K9 I: T A( S% d3 h
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 23:337 [7 c; e9 Y& { S; t/ }% X
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
* J6 Y& \; V! I* g( j4 nvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)+ K* v8 J# W# P
{
* P1 I# A8 W, X! G6 Q% Q \( m 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 00:200 [4 [. b" X. M3 b' Q
这个不是这么比的吧。。。3 A+ D/ c8 ^$ |) o, I& e, \" z( U
: g. G; u, c: Q! s3 v1 Y
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, { f( G2 s* _, E9 p
有道理。( P. n4 t8 f1 z3 I6 X
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
0 O6 W8 ] j, q' Y Y4 T这个不是这么比的吧。。。3 i3 y; V2 V$ G8 \. [6 h

1 C l8 p6 z, c% A0 B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 01:488 h& g; X8 U) Z. \, g6 b0 i
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! U$ \1 g: n- j( j, ^2 E7 ?
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
+ F# C6 x& t1 g8 t6 f1 a+ ]; v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
; H3 c4 K$ G: g' n* 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( U5 _* ]4 e' ^) F& a
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);
8 _, C7 ^0 K4 F* \7 X' a; m) e       std::vector < float > vec2(N);
; b9 V4 t) W6 E       float* b1 = new float[N];: z+ W3 W  G+ e8 g
      float* b2 = new float[N];. ^3 x. a0 p$ N* K! A% w
/ k7 {/ t0 ]( {% c# o
      for (int j = 0; j < 6000; j++)# d" Y. k5 Q# f  T; \
      {
, [- b7 _$ q. J, Y* {+ o& T             std::generate(vec1.begin(), vec1.end(), []() {
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;5 n2 X, x, i0 Q, o% C3 }6 E+ g
                     });  n# b( J- ^1 b0 d% J# i
  J3 q' C  p2 Y$ `
            std::generate(vec2.begin(), vec2.end(), []() {" C  J' F) |+ p/ [. w2 k$ N( `
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
3 p* }# y: p+ X, u7 V- l" [  j: S                      });, l3 E" Y- L" T3 l, f3 I: Y
9 {2 L# i" O$ y0 q, F' B
            for (size_t jj = 0; jj < vec1.size(); jj++)8 s5 w6 v5 x6 S2 J
            {
, |: y# O/ z/ s# W8 R& K$ A                      b1[jj] = vec1[jj];
; D" l: {- y: T0 Z7 ^2 [             }
- `) k8 V8 |+ e6 O" q$ x, G" @1 C+ E+ [0 X' K/ P. ?8 q0 z
            for (size_t jj = 0; jj < vec2.size(); jj++)$ o; n$ c5 J+ X% R) q5 ^# N/ s- t( @
            {
4 U( w* ]6 o5 O+ L0 D                      b2[jj] = vec2[jj];+ v" i. @1 m, ^2 H. j2 d9 @0 u
            }2 x* N) u. `' e) k3 q
1 k/ e3 ~9 Y/ o  R- h7 E) n3 w) @
            //Method - 1  N=100000 247s  2 l# N: t* U7 O# K" y
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);- g6 `# T; h% v) d& {0 C

0 _" R8 F6 Z( p6 b# C1 u             //Method - 2  N=100000  237s9 i' w8 _: ?. _5 |5 _/ U
            /** ?5 }3 N) c. v
            for (int jj = 0; jj < N ; jj++)
/ y1 @- S7 |% r8 t! i             {' J" T; c/ G" F' U8 @8 T3 m5 V
                     fresult += vec1[jj] * vec2[jj];
6 B& d# N& X! _/ X5 F( v             }
0 ?& N! j7 n, ?* ~" G; k( o; R             */
: V& K) r3 Z) b" m# C
" b9 v! ~1 z( g8 `: n             //Method - 3  N=100000 204s
0 @- n+ s* r* h6 ?             /*6 q' v. n& P- R: h- o  x
            for (int jj = 0; jj < N; jj++)
0 f# {% O. g4 B/ T             {
8 W. j; }( p5 A2 ], h8 D  q9 Z                      fresult += b1[jj] * b2[jj];
+ t9 t* N$ B( J% K5 ?0 r             }
9 u4 h. i6 Y, a: d3 j             */8 O* h% G0 q3 b8 A, N' K
: U, ]/ b: I9 W1 \4 C5 `/ T
            //Method - 4 202s
5 H& o6 I$ @2 p0 N             /*
" ]: i. n; b7 A- u             for (int jj = 0; jj < N; jj++)
1 w; h, t  g) R7 y% ]5 R             {
, b4 l5 o! v% F" O! G                      ! u  E/ q+ M3 E. m/ {8 H1 _7 {
            }: ?! U" e6 M7 ?0 J/ }
            */
, }* W  l% n0 r! a1 w% F9 J# n             //comment out all methods, N=100000  202s             ! d2 H5 G; p/ |. I
      }$ T$ L# R$ \5 E

( [, [: ^# y. I8 l$ K% O6 i% ^       delete []b1;
% C& p+ d; o7 @/ C# @       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 00:150 a( G2 [9 d7 L& C. ^6 w. s% N% U
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？
! N7 {4 }% I% }+ N L7 R6 ]3 y2 Y, a, a9 `& s
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
6 w3 K# Y7 j$ \7 R- R; Z; [( a( U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$ X# d+ M4 ]& ]! e+ _ A

- V1 y0 {6 W$ \" u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' l9 @; ]3 B7 @1 w z: k0 w
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
7 Z U$ d( i; s3 f{
& U" x2 P; y" L 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

浏览过的版块