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
: u' _6 r6 |1 }8 g9 N& G拉下来？拉多少？! H" n i* _( j# H' H9 b5 e
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
/ g1 g* w% F! j+ yMaybe 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 23:541 O; L& i$ q; G% I
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
$ m1 `" _' q2 S$ j" w1 o5 S{
/ `- H9 r- Z2 K 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. L( Y5 m% o$ u, J
这个不是这么比的吧。。。
: u, \& M+ i" [9 h: g( x4 j/ E( t/ C7 s# C1 ~
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, `- p3 J" `. E# F
有道理。- ]5 s8 Q+ ?0 b1 @2 J8 r
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
. `: A. p! H* { D+ O+ R }这个不是这么比的吧。。。
" T7 Q. q# Q" h5 \3 O, W
) }# I' U" @" J& m( p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
\/ Y# s1 l2 F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
& `7 [5 P! I9 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 04:471 C2 w' ], D, u% k, l$ g
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
0 i O( \7 N( A. H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 14:581 k/ I6 s3 w1 K% i% G
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);
( P" e4 m) x: O) w/ s       std::vector < float > vec2(N);
" E( X. }! @% w. i6 s' M       float* b1 = new float[N];+ _# s6 K5 O* i& [
      float* b2 = new float[N];
" o# O1 B% k9 Q* T
0 J6 l' R  R2 w. B, i6 V       for (int j = 0; j < 6000; j++)
( C1 Z. X; j( `       {
/ t/ m3 W2 c; S! d. d1 k8 N             std::generate(vec1.begin(), vec1.end(), []() {
% H$ A: B* b+ n; P                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;4 T. }: o4 [' y# L( D4 T
                     });
9 s+ }/ {* i9 Q' G0 z7 ?) v/ V$ q! ?) w$ ?# |) J8 u
            std::generate(vec2.begin(), vec2.end(), []() {
6 f' o+ h, _' q+ e                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
9 O  G9 w8 I  b3 g                      });
+ `8 u) J6 a* x7 _/ J) i9 Z2 T# w4 i* C' j$ W% Y% R
            for (size_t jj = 0; jj < vec1.size(); jj++)
) [% I* b! t# @             {
1 j1 _4 ?. F& r2 c: t. T                      b1[jj] = vec1[jj];
+ s0 A# o/ g9 ~) m' c             }- j( A) N/ l9 F4 r" p! ^' X
: B" |5 _- M) N! u# E
            for (size_t jj = 0; jj < vec2.size(); jj++)
3 L% b, f+ e4 L             {
* H. ]# L$ N! s0 j                      b2[jj] = vec2[jj];
* I2 P- a' n/ W( L7 e4 l: E: b. c             }
# t6 J  p; f- a- Y  j
! b8 \3 y  n$ U5 B; l9 `8 i             //Method - 1  N=100000 247s  ' @4 W" n/ e3 X5 E4 v
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
; {9 S% t$ f. j+ i6 V* _3 `
3 Z2 a' m% t* f* G. o             //Method - 2  N=100000  237s
# S4 d+ }% l* _             /*1 _, K7 g: d1 N3 \1 V
            for (int jj = 0; jj < N ; jj++)3 g& F: a9 Z8 o6 l/ y' |- y, P
            {
5 ^) x) ~7 ]( D! N8 e3 s  A4 P                      fresult += vec1[jj] * vec2[jj];' }4 |. C) {( w1 V; Q" u
            }! R( H5 F9 U% ^' t  m
            */+ e. l+ N; N: P

1 }7 t$ g9 m1 p1 h& f             //Method - 3  N=100000 204s. P. }) j3 Y$ Z) m7 U, ~% Y
            /*
& z& m+ t* G- _! O: P, X) [             for (int jj = 0; jj < N; jj++)& z+ a2 K! f  H5 z  y( N0 Z
            {
3 [# ]. @/ F9 z0 u% z, `: N                      fresult += b1[jj] * b2[jj];
- k6 Y. t! {! H" O             }
- Y3 x8 L6 x8 o5 ^, I; h2 t( ~7 W             */
8 A9 X& u8 q1 U4 I
1 z8 m  ]% i! i3 j' e' N7 u             //Method - 4 202s
, n/ R$ g0 ~8 W% m             /*# ^0 o! j6 B) e. H8 s
            for (int jj = 0; jj < N; jj++)
* c+ o% W/ X5 x6 A. d1 i5 t, {" p             {" {* L& z, x$ X. g+ n

! B. B# o+ m; Y+ ?* o; o             }) d, L( o. y% [; o2 f) \7 K
            *// a$ q- e& L& r+ w
            //comment out all methods, N=100000  202s             6 q* C6 H4 I8 I- M
      }
" ?4 k0 U0 i$ \1 l5 p& y6 ^. f
/ r0 N( i# E! k5 ?! q; f$ f+ a% t8 T       delete []b1;- o9 d: v$ q+ z8 ^6 L
      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
4 C. j1 _6 @/ p. Q: G9 d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？
! W: l/ U( ~" s5 p0 I0 o5 Y7 Q
5 L# ]( T' a) x3 T+ u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
9 Y. c7 z! [5 j3 Q" 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
) D) B) l6 E2 q5 O3 h$ ]6 K% T6 n8 m6 |2 u2 v5 N4 x
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
$ P5 o$ n j' u0 P" V2 qvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
4 ?8 C/ \* W) R A{
# P% u- ^2 \; v0 L8 h, x1 \ 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