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
$ w: u# S% t; H" a! r% D2 u! b# D拉下来？拉多少？9 M7 s" |/ X" W! G1 L/ U
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
) q* W! `9 e# Y: e: m, KMaybe 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: B5 F; b/ B" t
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
X X, x! B7 W1 R- R" v{; ]$ Q* X7 J' p0 Q
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 00:203 c$ W7 V% D: h1 v& S! Y3 p G
这个不是这么比的吧。。。
% W% }& q& e: z8 t5 V* C! B) c5 ?# X d! D% N! o
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; X6 P+ V. W1 o; s* O& ~
有道理。
9 V+ C Y9 @( [0 g% n/ Z6 Q- l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
/ C$ a+ _% B& s! b3 ~这个不是这么比的吧。。。
2 A# t9 u+ H; q1 P& w% U! n: O9 b2 J* t
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 01:481 v7 w/ X2 }1 `3 ~5 ?0 K1 E# O1 u$ M
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
. y0 }! h$ I [# e6 O+ x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
- f/ j7 J% ~+ l2 }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
. l! }( s- ^! m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
' i1 G( \: \7 S1 f z4 q8 r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);
      std::vector < float > vec2(N);- C% M+ S$ o! v
      float* b1 = new float[N];
  X' q% c3 u9 G. w0 }0 x       float* b2 = new float[N];
6 u0 h; H* `. M, z
) R- J; a. L/ J# L) [# N- a( h+ P" s       for (int j = 0; j < 6000; j++)
3 r+ R  r2 W! e* M, K1 l1 E       {8 r' ^; @" l# V
            std::generate(vec1.begin(), vec1.end(), []() {/ [" Z0 i1 L. p$ ^- l6 p9 K
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;/ ~& v' E+ ~* G& p( B
                     });& }) C! B" J5 a+ d0 Z# f0 W4 z0 o
8 R) j2 Z# J! k& `
            std::generate(vec2.begin(), vec2.end(), []() {5 X1 u- J9 [! o; r
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;& R0 ~  A8 V2 J) c+ n
                     });
2 t+ r3 n! \2 x0 P6 q# e9 _% c$ n- D9 g8 u7 m
            for (size_t jj = 0; jj < vec1.size(); jj++)
" S/ T! G# {: Q) m! ?1 Y2 ~             {  o( J/ W0 F7 C0 D
                     b1[jj] = vec1[jj];" t4 J+ f( X) }- Z& g
            }
! h. A0 I  S2 z0 r8 `0 W
$ {: t! R. |, D7 e- a9 i             for (size_t jj = 0; jj < vec2.size(); jj++)
6 z6 L0 C- E' B             {7 p, y& ?( ^$ N0 \1 G/ }- k# o
                     b2[jj] = vec2[jj];
, W: p  |6 C" R! Y- u" {, A             }7 `4 G; J& |% y

3 Q% q- D+ a3 E3 f, u( u             //Method - 1  N=100000 247s
. a! j: X: s; z1 z3 V             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
1 @4 z  h4 T2 d: p: x* T# X                               1 E& ?) p6 [/ a7 v
            //Method - 2  N=100000  237s0 f/ ^9 ]0 M9 b; `& ~1 T
            /*  Z* d9 `6 b2 w
            for (int jj = 0; jj < N ; jj++)1 \: j, e  }0 k. r
            {
# p) k# y, E( `( _                      fresult += vec1[jj] * vec2[jj];
; T4 e- H' \; I9 }/ q" y             }
( g# E' o* @2 l0 L  N- ^             */
1 W7 s3 A# a7 q6 K7 U                               3 r2 b0 q% e; F" J  H9 T3 R0 M* i# b
            //Method - 3  N=100000 204s
- k3 f6 T4 g6 `% ?' \4 `+ m! Z3 ~+ M             /*
6 a$ C( ^$ ^: _" ~1 B/ m' c             for (int jj = 0; jj < N; jj++)
- I5 V* i, h" p  J/ b2 G             {, o9 S9 S; `& k
                     fresult += b1[jj] * b2[jj];2 R: \/ s/ L1 W6 w
            }
' f" E3 T4 Y0 I) M9 i7 w: G# f3 }             *// X; F5 O5 f8 B0 \' d8 s* R! y  }
2 l1 h# i9 L! A) J9 K
            //Method - 4 202s
. j& \' {  ?; d4 o) e/ y' g0 a             /*& E: e3 J' G' g$ r
            for (int jj = 0; jj < N; jj++)
* f9 v$ K1 M6 A* R6 d  i             {
/ q1 l" u; Z" E) w, z  \                      ( l" h" C6 F. M' A. y8 b/ n
            }( e. J6 x7 l* j: _7 k  r' r
            */% R- u: f$ j  w; p3 E+ S4 \8 B2 M
            //comment out all methods, N=100000  202s             4 F5 o7 E2 S( U2 K
      }5 e& C8 E, @8 @3 P. }* ^) F9 A
6 t) F# R+ j5 n, f
      delete []b1;
& \* _9 w/ F+ d! n' V0 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
9 f. [5 m& H: x) T" n$ 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？. F1 s" Y; Z5 V
( b" A6 s5 T G* e+ [. w
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# q: A. o7 Z' H. d
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( E5 q# k5 q' L; y4 K6 ^
: Z8 E. B# @& O: r' f
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
% Z, [$ C5 d& c& K' l% e& |void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)- [, v B# ^8 w
{
- J2 [( T) C5 E# k2 C& J 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