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 23:045 j5 b5 f, G7 ~0 e4 L. G
拉下来？拉多少？! ]' N8 E2 M/ `; Q
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
9 F5 I* C# K. }" E& FMaybe 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$ Q7 S1 C: U2 G! g
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
, C$ |% [3 v Y1 L9 o{
6 m$ q- x# c: e 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) Q+ b. m& R) d4 F2 G5 e0 G
这个不是这么比的吧。。。4 |, Y- \% w! o( e
' U& G% W# H) ?, m2 A5 Y1 {$ H
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
; Y* d D3 \" U1 f9 W有道理。
8 V4 G7 r) Z2 {, g7 N/ T; o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) @5 d% L+ l, x; M. V
这个不是这么比的吧。。。
' O* ^ H) B2 _$ [$ ]0 m: |
- T5 M8 B. Y" `$ V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& I9 V' M2 F" M7 t$ 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
* M, q" C5 J( f+ Q) Z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
" ?1 u8 X/ V L9 v. X( r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! Z2 }' q1 b) 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 ...

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
. K2 I! H- e" ?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  ~; S9 j& Y) v
      std::vector < float > vec2(N);
* J# P+ ?9 F$ H6 v7 H       float* b1 = new float[N];
/ _9 V( |' R0 N  E% B6 o4 C       float* b2 = new float[N];
0 \* S0 a8 l/ u8 H5 J  Y* a( z0 S" B
3 s$ Y' N' e$ _3 a. M( k4 ^1 j       for (int j = 0; j < 6000; j++)  a. J& c8 B9 O9 H" s
      {7 L# C, k7 I& @) n
            std::generate(vec1.begin(), vec1.end(), []() {" ?, W4 z3 \3 Q4 W1 G  |
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;) l3 g; P; R" c3 }
                     });2 g& R: W& C6 O% [9 X7 I

6 U2 r) @+ l0 \8 n             std::generate(vec2.begin(), vec2.end(), []() {% A6 K) Y5 C) H4 V
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
5 X+ L, Q7 y4 t9 d! X                      });( K. l" I4 I3 z2 G$ t$ W' l1 L

4 q# t5 I1 O4 W2 S( V; d% f             for (size_t jj = 0; jj < vec1.size(); jj++)5 L/ f- K; ^0 G
            {
2 Z2 @: M! `8 h7 I1 W6 f8 B                      b1[jj] = vec1[jj];' t5 A* [* m2 `. S2 X
            }& Z0 i6 A' D$ s7 s% j% o8 M; M
- `* l5 M8 M# R5 U9 W6 A
            for (size_t jj = 0; jj < vec2.size(); jj++)- v/ A3 O, F( ]8 J1 B/ T
            {1 `  K1 \$ M: g" Q3 u: Q4 ~# H+ e
                     b2[jj] = vec2[jj];. H) z" G# I& P) O9 `* ?
            }/ a# ?2 F9 _, F+ _% x: }

$ i2 n! F0 z- K& p1 d9 X) F' `             //Method - 1  N=100000 247s    A& J# K/ u, x4 s- J$ `/ h
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
$ F$ I0 B  m' q% s5 }5 B' t- ~! c                               # s% h7 p  x  R! d, {5 j+ U
            //Method - 2  N=100000  237s
$ g+ M1 L( k+ ~4 R             /*
9 D0 W7 a$ |( q             for (int jj = 0; jj < N ; jj++)- _1 A/ n2 r# C1 W" f2 W
            {0 D1 Y5 E4 s! D4 Z1 s
                     fresult += vec1[jj] * vec2[jj];
9 v' A3 ]& v7 O( l9 j1 \             }: F& h# y# }8 H. T
            */
& y2 o& m* [( ]- p2 a; [! L
* `% Y% R8 [0 X' K6 z# t$ C8 N5 F             //Method - 3  N=100000 204s0 j) y9 T. R5 i& P/ A, y+ p
            /*1 [/ S1 U" E/ {/ S0 u
            for (int jj = 0; jj < N; jj++)
! P* Z; G3 w( e; Z3 j2 j             {0 C- |0 a; V$ x7 o1 @2 Y* r
                     fresult += b1[jj] * b2[jj];5 o4 a" m7 U2 r0 @' s8 x9 D
            }) p- ?+ b0 x  H3 Z/ e; e
            */- I, Y! a3 Y: W4 Y* j
, g! }+ t) q  s
            //Method - 4 202s' S6 t* P7 l2 j4 {
            /*
- K0 K) E' v4 E3 j             for (int jj = 0; jj < N; jj++)
            {9 {" g, z' ~  V" E

# c: G  f( @) T5 s             }
+ u4 b+ x# O9 `3 S             */" T. k9 `( u0 E* J
            //comment out all methods, N=100000  202s
7 d/ n  U( ~/ l' V( p       }& B# _, f  q, K' n

+ \6 \1 a; W& H       delete []b1;+ j6 w/ E$ t* ?% N5 H& S2 u
      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
% d) m' u4 n$ N f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？6 X0 y/ C( ?% z v" `

6 N* x0 @) z# g6 \* x/ i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 [! Y: ]0 o! Q% @9 e2 [
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、LOL1 d4 E* s0 G, N( `

% d6 T' _% }# ~( D q& 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) R; K: o- i$ N9 \
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
0 \/ R, H* d" F9 v- ]6 e! z1 x U; `{
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