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, r3 q" E$ ]1 c' O: q4 `" x: Q
拉下来？拉多少？7 w& U% `1 t' @1 A/ U- c
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
% m+ G; e4 N: ]+ t2 O& k" `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
! }. F2 `; S( U+ g! ^5 [void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)! w) S( H; j: V9 W+ X/ g. [
{, o: b9 W, c- W0 D' I/ O
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- O6 f: B; V6 z4 p: }, k& J4 N2 m3 ~
这个不是这么比的吧。。。) }/ ~& Z% [& D( w3 G
- Q) Y( u# _. J! I, ]+ X
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
1 s# F% t$ [- F有道理。
7 H' R4 z9 O) `3 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 00:209 M. I4 y$ R1 J. s' z8 E
这个不是这么比的吧。。。
$ i3 e0 j6 r9 i! E# J8 F& |- ?$ n1 z0 e& I0 s
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# H) T, k6 i& j; s, M0 o
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
9 d7 U" a; T; M1 L9 F1 Y9 i$ g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
: v) L; T7 Q# a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! T( S1 M3 W M" W ^- A) 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+ X% R2 c" R9 z. G: J& ^
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);
0 j& Z1 t2 t+ b& f       std::vector < float > vec2(N);
" Z  k. M4 y9 @! p5 f6 h" H9 `/ Q       float* b1 = new float[N];! a9 J2 g0 Q( c. R, V
      float* b2 = new float[N];
4 l/ k4 b4 O: g6 j' A4 L# g: O% e2 g# M/ J6 D# O
      for (int j = 0; j < 6000; j++). @9 j2 s( u3 C5 c4 {
      {: F+ e$ p9 |6 `
            std::generate(vec1.begin(), vec1.end(), []() {
( x) m  K4 E( P0 z                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;2 d9 L; e& p2 g0 F5 t% e
                     });
8 X% O, r4 V/ t# q# s
, M" ?) S( n# U4 p. p             std::generate(vec2.begin(), vec2.end(), []() {
9 Y! R1 g6 A  A  ^                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
& J+ ^8 y- _6 _% a, S1 ?. D                      });
9 F6 m- h& b' ]1 s( b
0 j# s4 t% Q+ W6 B! ]0 x; W: g             for (size_t jj = 0; jj < vec1.size(); jj++)# H  h* v6 M, k5 x: ]) e7 A
            {
' V0 G, e: w* C7 j4 x5 J2 A! E                      b1[jj] = vec1[jj];
9 o3 k2 t! ?- @1 P' H! o             }
9 v* V- X: |0 U" Q1 z" ?9 c2 G* N  ?, D  H0 {5 c* _; g" b
            for (size_t jj = 0; jj < vec2.size(); jj++)
. e' a3 N' _% C, y7 M             {
                     b2[jj] = vec2[jj];1 l* G  j$ p' d  u; r
            }+ E  y1 F0 q( N, ?
$ N: m* W4 s' s# n2 Q* ]
            //Method - 1  N=100000 247s  , `$ z" z# g. [' v9 M( g, |
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);/ {, f9 t7 ~  a* ^9 B% a3 y/ U

/ ~2 i7 U. A+ H; R             //Method - 2  N=100000  237s' W% Z" F' a7 C: r3 x# ^5 S3 ?( A
            /*4 |0 K2 e# ?3 G! m
            for (int jj = 0; jj < N ; jj++)  `) f. l% f. _. d* Z% m/ `
            {' t. }( q3 j, z) U6 Z
                     fresult += vec1[jj] * vec2[jj];! w2 f2 ~( s& |- x. d7 L. \6 j" _
            }
: i, w/ M2 t9 W, Y( g- r' f             */- Q' G0 X; @/ }) Y, z

3 K2 U/ q0 L; y& A) u1 B$ C             //Method - 3  N=100000 204s+ I# i1 x" [4 T& d6 b+ x; W
            /*
- x" R; ]. h# X4 l" S$ z3 k% ]& Y3 C             for (int jj = 0; jj < N; jj++)8 ~( N8 N) X4 l! h4 ?8 W' k+ i2 r) L
            {
5 H* F. `1 f+ o+ u% q                      fresult += b1[jj] * b2[jj];
0 t. C& Q( E+ Y% c1 L# q             }
- o5 `8 \7 Y/ |4 _- b2 y" k* G             */
% `& b2 s: h' q' @1 m: K
( h$ N# t: `0 ^! F% j: P7 W             //Method - 4 202s
8 _5 h# v2 e$ s             /*
9 R* k2 D% j/ c9 o  M, S( |: }             for (int jj = 0; jj < N; jj++)
9 {! z& v- k+ w) I, V             {
' S; H6 O8 j& _; v
2 x4 M2 ?) J4 o& ]5 W0 B! u             }
            */+ @' @$ y, ?' e. @  f$ i
            //comment out all methods, N=100000  202s             $ f# u+ z' f9 \) `. Q" d3 j6 ]
      }( u( b/ Q! ~! |& x* R; \7 N
. y  f/ C' {' v6 f2 f5 J& ?8 M/ g' o
      delete []b1;# r. C7 c1 V4 O& z- T& W6 w
      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 00:154 ^- S: c: i- T0 L# `5 r
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 J9 q$ k8 K: z" \6 x
+ O: D% I) y7 \- V$ [% y
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! _5 v0 E* Z. }4 P# @
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
$ A: s' ^6 }9 O h
5 v6 J$ Q8 u/ @: p4 T ^2 t. H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# b8 e5 f0 |# h
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
/ |) [1 g# s" v0 _ b/ ~3 R( D{
% t. s# G- ?; E/ [9 ?: }. 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