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, J/ h1 t5 D- ]" P( C/ N6 e
拉下来？拉多少？
8 f3 p( p, h8 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
) b" a; d& z, E1 D) G3 @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
* h4 Y* L+ q0 i- ?void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)3 }1 W( X8 g# n9 f V2 k
{
' \4 F: @5 e" F0 u! d o4 E7 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 00:20. k" @ V& t" n& `
这个不是这么比的吧。。。! F; A% n+ S- o& M& Q
5 k0 `. `$ o# C
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
! i1 A6 g; X8 D- w4 M有道理。9 `3 c1 |% B6 N0 W8 \
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 w. R$ b O8 v8 A# r/ A9 K3 r
这个不是这么比的吧。。。
3 b {6 ]6 N& G; I8 |6 q$ t5 F, a) v1 z; g- X2 x; j
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
. E* i& A6 E, y# [- P5 W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
% f) M3 B5 w# w2 e' F: A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
) z# h$ ^5 R7 s+ U- W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# X0 E3 v" _3 c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 14:580 E9 f* q6 ^% [6 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);, f6 K6 y$ U, x( Y: m; C; j1 a
      std::vector < float > vec2(N);" x% ]1 U0 r; T6 G
      float* b1 = new float[N];
, j' |+ B: M) O       float* b2 = new float[N];
* Y  {. Z" _* |3 f4 x$ U% c0 K3 a+ Y- t; {
      for (int j = 0; j < 6000; j++)5 \5 D  D8 q. N7 }3 D! J( a; o% T$ G
      {
% ?2 S% {# J; j/ C0 w/ N$ N             std::generate(vec1.begin(), vec1.end(), []() {' [  L5 s* d2 }! W
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
! h- a& W' W! Z: R                      });

8 e# @$ o8 Q" J, h             std::generate(vec2.begin(), vec2.end(), []() {3 p/ k2 x; T6 j) y" J5 M" V
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;; V5 q, C. o7 E; k- U
                     });& g% H2 O) V) ^& d: C" I4 n

) X6 o8 C  U- h: b; g. b& G             for (size_t jj = 0; jj < vec1.size(); jj++)+ g3 a9 k/ U# B! W
            {
7 `) a- t2 ~; j+ T                      b1[jj] = vec1[jj];: m2 k6 v) A  ]% V; H
            }; u5 Y  Z1 v! a* ]1 Y

0 ^: A; g" x& p$ [6 K             for (size_t jj = 0; jj < vec2.size(); jj++)
  _* ^) U7 O9 R' n! v# y1 ^             {
# O2 s! f1 {" N9 \; `                      b2[jj] = vec2[jj];0 f$ y8 ~: w) F8 F, u! S( r
            }
% j0 v. Q9 Q% T  H- ?
( D- B" b. w! [8 q6 X2 x             //Method - 1  N=100000 247s
8 l  S' m8 |3 ~# F( E             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
; D) D4 [# W/ H8 w& d/ u0 [% F- ~                               + _  \+ M# v7 _" R0 _& P4 j
            //Method - 2  N=100000  237s
! K0 i) U/ v8 C  R             /*( z# b2 ?: |! ~9 |) B% _5 [, b0 Q5 C
            for (int jj = 0; jj < N ; jj++)) ^, v! C9 [  K( l
            {5 s: ?3 Z# ]  _" Z2 `: _  X
                     fresult += vec1[jj] * vec2[jj];
! s$ r0 R  t: f4 n+ k0 Q3 U0 u, Q             }) f7 h3 S9 s9 l  Q: V! v" C
            */
$ N8 x- M' p+ g9 h
* y. d) T7 h+ w. ]             //Method - 3  N=100000 204s
* M+ m& w$ l- R3 k' G             /*5 k. l5 U6 C( Z3 Q6 O
            for (int jj = 0; jj < N; jj++)
; V& ?6 m) h" y" y             {
0 j# K  N. @  N% E) [+ Y/ `                      fresult += b1[jj] * b2[jj];
1 ^' S  k  i! k% @) B  I7 q             }% T8 v, j" b6 ?3 v7 i' r
            */# w6 J& G$ ^" O7 o3 M1 _

' ~1 F7 G: E+ H9 ?( U8 Q! u, b             //Method - 4 202s  f! T2 v" y/ h, ~% a: H" R  c8 h; D
            /*
" Q) k2 r' ?* j* B7 h; v3 U             for (int jj = 0; jj < N; jj++)) Q2 i2 e6 L7 u+ R, j; B0 x% S
            {
: G1 H6 ~5 O  Z+ Y* }1 b$ i
) j* P4 j: ~9 G* X- m             }
/ A2 u" D5 _7 b7 s  _3 B" r             */% q/ }4 s* c- M5 N9 e# k
            //comment out all methods, N=100000  202s
3 P  {+ q% T; W4 @/ K+ b       }2 |, E* }3 m0 r6 i4 T. O: r7 T

  ?: B( [  D) ~4 u9 W3 p( c" S       delete []b1;
+ |/ X, ]% ~4 ~  f       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* r y; n4 y: S" O9 x7 O
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？
* V9 ?* S) w' g* ~' s, s L5 x* j! F8 {2 q0 c. o
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& U$ [* H5 A b" S2 q
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、LOL3 ^$ t. y9 e n, x
, g# `, N7 m- ^9 J' c( K2 e3 g# @7 y
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
2 J; w! l: s7 J& O; I |, tvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)4 ^+ g6 B/ R) p; C
{! T2 r6 c9 @8 K
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