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 23:047 v2 e$ ` T6 j% O4 L
拉下来？拉多少？
) \ Q: q8 q# f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" O7 q) W- j) i" H' S+ ~
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 23:544 d- I5 u# r! Z2 }
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)2 t" C6 s) f6 g8 r, s
{! ~' {+ v# L4 i5 P" t
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
' v5 K- | r$ r2 j+ X- W这个不是这么比的吧。。。
8 g$ Q; G1 ?+ F2 Y" ^
* A7 n8 D; V: r2 h4 n7 s G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
# L! l& c& U7 l: y5 [ H! S有道理。
- W' p# O" \4 m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, q7 [6 l8 B" l" X6 R4 s3 \
这个不是这么比的吧。。。5 ~" u6 I- \; u8 x7 v; P
5 E' H, b( W& _8 ?: |* m
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
7 ^& R. e8 U* C: A+ B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" G& m) ~2 b0 a/ B
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
9 ]0 V% R3 {8 u( [3 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 ...

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
: C- A: }% i7 W5 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 ...

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, s, Q8 [( I' \* K6 i* C2 C
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);
( R5 m/ o7 T5 r: X& }( O       std::vector < float > vec2(N);
' g! j  Q) ^6 K( r       float* b1 = new float[N];
8 t6 ^9 s+ r0 W7 b' x. ?# V7 `0 s       float* b2 = new float[N];
' K% q9 c8 [! D0 d6 ?
! k2 k/ j2 O, _! }       for (int j = 0; j < 6000; j++). }/ Y1 U3 Z# L# w0 ]- i# N- |
      {
) K9 p) k  s  i& ~             std::generate(vec1.begin(), vec1.end(), []() {# X" K" _# ]& V5 `* K% d
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;2 d5 b: K& V; y9 T- x
                     });
2 y. Q6 r2 [+ @* j1 K1 x, B6 ~# D6 b: b* Q2 U) W
            std::generate(vec2.begin(), vec2.end(), []() {- U4 \/ `0 |8 a6 P
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
4 \: v% ^$ _, T0 n0 q                      });
2 g) t% K) p2 C- r( O3 i& I+ q3 [" R0 q- X3 ]3 z
            for (size_t jj = 0; jj < vec1.size(); jj++)
% R; r) n  ~4 g/ y0 l. y             {
0 y) I, K1 P  F; R2 O                      b1[jj] = vec1[jj];
6 T2 @( C$ `1 b: \             }
# H% U2 W( R6 H$ f4 J1 x  H7 A( n+ h5 P! }/ n
            for (size_t jj = 0; jj < vec2.size(); jj++)2 C6 D9 q! Y& B3 d" ?2 e
            {+ C4 |9 D* A( o% ?: }* N
                     b2[jj] = vec2[jj];" K: ^" i7 v2 h8 y
            }/ [- o* ?8 n' a! d* j. [  _

4 O6 H) S- S* e# @/ a1 A! C             //Method - 1  N=100000 247s
) L7 V) a, |. h4 k. R             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);& b5 L4 Y* Q5 J3 V( X  N* g' O. m
                              6 \) m6 T( e  z, ^9 n( w% f5 m
            //Method - 2  N=100000  237s) R; l7 n1 K3 ~! ~2 T( v. B
            /*, ~5 ]8 q9 k& @  s% D1 s2 z$ M' u0 x
            for (int jj = 0; jj < N ; jj++)
+ Y6 ~4 W5 [9 w3 n5 a+ C6 Q1 d             {; y* C3 q" B0 z: y
                     fresult += vec1[jj] * vec2[jj];
) \# v5 i6 q! T  F' R6 ?0 l4 D             }; q8 ]( v1 c* K, Z
            */2 l4 l: ?, k' V( ^0 m" J
                              ; k2 B. l3 F( r  `+ x6 |/ m5 q
            //Method - 3  N=100000 204s
* z& a# u+ P8 l* @             /*) s0 {. S8 v# x; m
            for (int jj = 0; jj < N; jj++)$ K9 C8 a# W) B, K
            {: Q9 }) U4 X0 m5 ?1 j
                     fresult += b1[jj] * b2[jj];2 m+ S& ^$ }* I  U1 I1 b; a
            }8 Y3 a7 }; e# o4 K9 H/ U7 Y
            */
* j' n& g( F. P2 ?5 w) J
; y( W/ Z7 r/ g& U% a+ L             //Method - 4 202s
! ^6 e$ }0 p9 @) a0 P  z             /*
: V4 z' Q1 f& ]- p             for (int jj = 0; jj < N; jj++)3 S) U/ l! x% W: S; c
            {# Y% O3 i9 m# H$ V( i3 r( w- d
                     2 y; a. h# o  o6 M8 E' f, h/ [
            }
6 N2 y! X. \/ R, Y! m1 z; I# F             */, f& u7 d- O* J8 d# Q5 F% N
            //comment out all methods, N=100000  202s
- W7 e4 U# w3 K) D       }. J% V3 y, v$ I* Q! T# O
3 `0 e. X  O( s) Z0 |
      delete []b1;8 i) m; N5 w7 j7 q* U# h" 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
! I0 r+ @3 B, h* ~6 j, n( P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？2 e$ ^+ _+ C6 [% h) ?+ \7 g
: H& f# b' g/ d0 D2 R; d+ z6 Q
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
) P8 t$ W6 q2 _ |: z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
) N7 Z6 h; c, ?2 e$ L4 _. L% N2 k4 @5 y* O7 S. I
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
1 c T7 ^7 c. K4 p5 @void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)% |$ T( Z( O, p
{
x. M( j/ s/ D5 F* L/ x) B 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