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
# X- T. O1 F+ [: n/ `拉下来？拉多少？
6 d3 K, c5 [; ~, d! @6 ?) J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% ^8 c) D4 M$ `, I
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
( T2 @% w) b" h. _& n" g4 Vvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB): O5 H# ~( W+ Q
{& j d! }" z/ G! ~' i- q- R1 l
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
% c3 W7 i- r0 D这个不是这么比的吧。。。
7 Q5 q% U0 D7 W/ G0 O5 |2 S% Y S$ U- 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 00:46, i' k( A9 o5 R
有道理。
( g# x% b' I1 u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 00:209 i C- [- x8 @( q7 p6 }& _
这个不是这么比的吧。。。
' Q7 M) |9 v; v! h0 ~# t+ x
( i4 C) R; V1 {. t+ |3 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）。

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
1 H( A* n& ]6 N- [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
" |$ `, w# J0 E+ O( L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 04:474 n6 a& b( b& h/ q: z: x
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* Y0 Q2 @/ i$ G2 S" [ 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 ...

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
) ]% k$ e; E7 S" `- ` x" l" b/ z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& K, c/ N* Q+ x8 T; r5 k       std::vector < float > vec2(N);
+ ~$ z9 H( J2 U' X) _       float* b1 = new float[N];
. M0 Z% y1 }8 D       float* b2 = new float[N];% a( u  |2 Z! T$ t

: ?8 r1 \- B# b2 V2 Q  {6 u1 a/ [       for (int j = 0; j < 6000; j++)& }# p4 Z" }2 g3 l, Y& R
      {4 L% w- m4 o& Q4 T( Z- F2 s; B
            std::generate(vec1.begin(), vec1.end(), []() {
. D+ D1 n  m* E$ ]; K$ p                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
0 W' ^5 s2 V8 Y( v' i  z2 a                      });. x$ l" Y9 W+ P- ?3 U1 }' Q

: L  U; Y0 `4 R2 f             std::generate(vec2.begin(), vec2.end(), []() {
) y4 O* P9 E- v' J                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
8 W7 c1 T# `8 \* m                      });6 [" _/ {( S$ B0 M" P! |6 q- C
# o- \" u7 L' d3 z8 \
            for (size_t jj = 0; jj < vec1.size(); jj++)
, }' D' d. C) L- ~- i" L; s             {$ d  Q( Y5 e8 K7 n  Z5 T* X! N
                     b1[jj] = vec1[jj];, V+ p$ t6 S( B' V  H7 ~
            }
; {5 b  r. o4 s0 X$ q* t9 t
3 {6 S$ j. B! r             for (size_t jj = 0; jj < vec2.size(); jj++)
. Z/ ~; I* w% _7 Z  d             {* W6 V; m2 K8 J7 A2 {/ _$ H
                     b2[jj] = vec2[jj];
3 h; O" p2 U; z$ F0 p- g             }
- ^9 f3 A6 R7 d
: l  p" Q  _% t# r, e( Z' x             //Method - 1  N=100000 247s  + Q3 g  e+ x- c. m5 |9 _/ R0 K/ `  I, S
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);5 ^: u; N+ l1 P& J( X! W$ D

2 h/ j7 Q. W% l             //Method - 2  N=100000  237s
' r0 m" p5 o( `% O9 `             /** f* B/ U6 z$ B- @: f, T1 O" Z; a( c! |
            for (int jj = 0; jj < N ; jj++)
: x. o  f  Q8 N: t* [3 P) E             {: t$ D; A% g! M
                     fresult += vec1[jj] * vec2[jj];# @& u1 p8 A4 \  ~7 L6 _4 D2 d
            }7 d( Y" h+ q0 Z& J, [4 ?
            */
& q; d4 s6 E% N+ I
1 ~. e2 Z* d" P5 |3 D% y8 Y             //Method - 3  N=100000 204s
  r5 l! {" s9 i2 f9 t$ ~: u             /*
4 d' B9 k1 [! Q$ \             for (int jj = 0; jj < N; jj++)" k) c3 S9 T1 n, j# y- v( f  |
            {
8 d3 i; C  J1 k! c2 S                      fresult += b1[jj] * b2[jj];
* M& ^! _8 E3 V8 e' x# C1 E             }
2 `9 W0 u: n: p4 f) _7 L* E             */( [5 Z: T( p" q0 N
: {: o* o% l% t
            //Method - 4 202s$ ]! E4 [7 e" i
            /*
0 N. G4 d# z- H7 m8 k+ ?% A1 v             for (int jj = 0; jj < N; jj++)+ l3 d3 K* v+ d5 X9 ]8 A
            {- h& R9 Z5 W& V; b: l

0 _  \* S9 f. ]: o& t- Y             }! g9 D+ C4 L4 ?% j2 }8 u
            */- \& G* z0 f8 k
            //comment out all methods, N=100000  202s
* z$ k( D9 @( g4 Q. T: Z5 G, t       }4 y. z0 |4 v% L/ m' C6 k2 m7 \

4 F) {2 D. n0 Q2 R       delete []b1;# }2 a$ K8 t8 ?, D5 T# X
      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# a- K0 s* a' A2 r% K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？( h* T8 x" K. \! \
6 F8 R- K+ T2 a" X
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 01:169 ?6 u. z3 U+ X* E1 X+ `( |
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 }# d1 U9 @/ A; C% |' L4 N+ ?# g
, v5 O" Q8 F* K5 B W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 p; p/ C4 U1 h7 m4 R2 Hvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)+ c% t- e8 ~" }# w# t" a% S _' u
{
6 ?) l* |/ P0 F0 N s 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