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/ \2 ^# Q% @! {0 R8 s0 n( {
拉下来？拉多少？& a2 _1 f" k. M( c( _' k$ p& }" A/ I
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
3 F2 K; b! M) qMaybe 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 23:549 S2 z0 \0 Z1 f) G' n' X* B& m' S! h
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)" |1 d! R3 z+ B: \" h
{
8 M) V3 U4 t# U2 k8 \; H 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
& F+ Z8 S* O% x2 h- |0 q( l7 o5 e这个不是这么比的吧。。。
, Y4 K( {+ M# ^; R1 l6 I4 h: W% m8 j) _+ \ }( u$ r' O6 r
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 00:460 {. q$ e9 G' q1 x
有道理。5 j3 m8 u: |7 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 00:205 q! a1 T7 A' A3 K* Z4 R$ N4 S f
这个不是这么比的吧。。。 r$ K: Z9 D$ `: s+ `- Q$ z) l
. i% x7 N+ S8 j7 D9 L
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
5 J' p+ ]% e' A4 d* F6 y3 K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& N! e2 _8 D0 q
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/ h, W- u$ e. C7 _
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 y) t* i& z2 e
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
6 \) D: [+ Z0 \2 r% }# h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);
; d( K& G. m. T2 I; k7 i$ O" F       std::vector < float > vec2(N);
* [: O: ^6 o7 C) \; }3 u       float* b1 = new float[N];7 E3 F9 `/ `$ K; f  t4 W" z7 Z
      float* b2 = new float[N];* R, b  D: m9 Q& H& {5 r9 q
$ _/ e6 b. t- t! l7 T' r
      for (int j = 0; j < 6000; j++)# Y* Q$ @/ \. q" O
      {) l2 {7 Y4 J  x& d, u3 \7 \
            std::generate(vec1.begin(), vec1.end(), []() {
5 Z; r% r8 ^- {) r' Y' j7 p                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
4 U6 Z5 x3 b6 x8 O                      });8 d* p* X$ o) O+ Q) U8 M% O* w7 b9 X) ~

4 l# O* m# `  P             std::generate(vec2.begin(), vec2.end(), []() {
( F; k: N! ]3 ^0 B9 W) N# R                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
/ H1 ~: G' a6 A4 @# E# H' J                      });
+ `% ~# z! S0 B: t" {7 N! q0 J# I5 V' P: \- D/ S' m- K* V1 e2 ?: z
            for (size_t jj = 0; jj < vec1.size(); jj++)' I" [2 B* l) ?, J, `# c
            {
) h% w" r7 Q. ^) [                      b1[jj] = vec1[jj];5 a7 v4 O3 b1 v2 w# N
            }
) L1 H5 h& T) k0 H$ a1 Q2 F
; H! @" Q4 W- O             for (size_t jj = 0; jj < vec2.size(); jj++)6 Y% t% T9 ?8 }6 S
            {
1 k$ O7 k5 {5 u                      b2[jj] = vec2[jj];
4 \. h  v' U& X( L3 N/ h6 t             }
4 a% s5 q/ \0 F
9 T2 B" H' z5 t3 r             //Method - 1  N=100000 247s
+ {2 \& D- i5 k             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
( [$ i: n0 L5 D# K. {& A$ u" l                               ! `; X! _% r* s  X
            //Method - 2  N=100000  237s
8 P1 p( l9 d: t& |. H             /*0 ]3 {6 l& D4 ]1 g
            for (int jj = 0; jj < N ; jj++)! F! {( Q3 b7 u! h2 X
            {
( _. z0 W/ J5 A, r: }: W9 n: W8 R                      fresult += vec1[jj] * vec2[jj];/ b' r( J% n: x; v) R% {3 P
            }
2 S$ c/ l" }& X$ b, I0 ^! v             */
( @/ B6 |! E. j$ h1 T, Z! a3 t: z                               8 g1 T3 L8 T; i& R
            //Method - 3  N=100000 204s
8 H. j( x/ b# q$ L/ F( S             /*7 C: h5 o6 d" T& W
            for (int jj = 0; jj < N; jj++)
3 P/ {* G$ Y/ \$ L9 {, J             {
* A* Q. ~/ n9 f* [3 D2 I                      fresult += b1[jj] * b2[jj];
+ Q5 M3 R6 J$ B  u9 y/ Z             }
% ~; [3 n4 }; Z' D. Y             */
; A. |% [8 }& a( D, v) R' U  \* P. G/ I
            //Method - 4 202s1 I" V7 Z) b  t& u, {5 w
            /*
8 s* o8 m2 d' e1 x( O7 |1 w/ m9 J5 W             for (int jj = 0; jj < N; jj++)8 B' V0 N1 P0 e+ a
            {
3 }; j; S# m; W: Q3 S
6 p2 A4 w) L) X1 t1 {: f6 u+ q& Q             }
) t; m: `) p/ ?0 X             */2 ]' Q! k: `, b5 i
            //comment out all methods, N=100000  202s             & }0 f: f* E, l0 ]& V6 F
      }
. G8 U$ E* \! @% P+ K6 m& a/ o' i; Z8 I2 }+ j. l/ e, W
      delete []b1;
# T! c, z( |* @* ?* K9 t       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
# O: `$ [2 ?' l% w- N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？! A$ p! e. N3 Q( M7 {
% v1 ]9 f7 ?. c8 S- o e' @6 C
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
; J* ~8 }, _; i0 I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
9 C0 ^8 l9 o0 ^5 M" G$ F
9 l3 z p, G) Q$ H# a0 C" V5 [" [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
6 {% G. g3 h' ?2 Z; G" u( _void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)- g1 b5 P5 i, p
{4 u0 e; Q) C- D1 P7 O; J
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