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! y& R e- M5 R( Q
拉下来？拉多少？( X6 P# s0 _( D1 i* k0 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
1 o# t; U' t) Z/ m& o0 j2 U9 hMaybe 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. }) F7 m4 i7 i1 {1 N3 }, G* Z
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)+ z' |) K* ]4 X( f" N/ P0 y* x" {6 z
{& c, g1 r7 r/ k3 [. w5 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 00:208 {( a: @4 A/ p) A9 q, P
这个不是这么比的吧。。。
1 d; j& c% I3 }" A$ R! F; |
w4 E3 R0 p8 I4 p3 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$ x; b, f2 ?% g. N5 w; d1 [
有道理。/ B& n% t! j: B5 s' ?
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
" }2 R2 _' M2 z8 ~7 _6 X1 ]; I) }这个不是这么比的吧。。。
$ L$ k; N) t! W. }8 ~
0 w; ] @) ~. T2 ~6 V3 n% 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）。

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# N0 Q: v: g4 U: m9 L
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
+ a7 [$ G6 {7 U8 [" [% u# I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! w5 y5 _" c" d/ z- Z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# Z0 G' R! h, y9 p e
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; Z# d. L1 H8 _6 T
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);  t9 _3 y" z7 ~  z; M1 T
      std::vector < float > vec2(N);( z7 ^& Q& Y# k
      float* b1 = new float[N];
7 m/ k  Z1 [2 K2 r+ A8 d% X       float* b2 = new float[N];7 Z: w  Q1 b! b$ o1 {( v( Q
% @. R5 {0 F7 G8 u! Y& a9 i
      for (int j = 0; j < 6000; j++)% Z. R( ]! M( U8 [
      {$ I" n. x- W5 v) o+ z% X
            std::generate(vec1.begin(), vec1.end(), []() {1 @4 c2 U2 ?4 s* f" c# @
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
# k8 [$ D6 x2 j! u0 c. c6 D                      });
* n  C( X4 i! w; f9 [& e! t7 K! Z: F- E- I' l$ g* s9 g9 ?
            std::generate(vec2.begin(), vec2.end(), []() {: u" `" M! v0 o4 b; }  O% G$ \
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
( d5 g7 K8 z2 L- M% F                      });) a7 x; y4 M' q" Z1 m

+ L+ a; f: W. I+ K) m3 t# e" f             for (size_t jj = 0; jj < vec1.size(); jj++)1 T2 E" v7 P! P; K4 H2 H' _
            {% I: V' ?) [9 T1 p
                     b1[jj] = vec1[jj];
7 ]* I/ ?4 H4 h) N             }$ l% s: l! w3 R

, {& E$ P: y5 D, V; U             for (size_t jj = 0; jj < vec2.size(); jj++)( A6 K3 i( ~# D+ C
            {) k  |8 d7 u. o% S
                     b2[jj] = vec2[jj];5 p- ~# Q' K- _6 p5 P
            }
0 L, _8 V) i' }; p# s/ J0 H' i2 ~) g; O5 W& I- E
            //Method - 1  N=100000 247s  % p2 m& D: r) M5 b# l) B
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
* K0 z3 a3 m  o$ W, i2 N
, l/ i, s' L; S; j" ^' k- Y             //Method - 2  N=100000  237s8 `& [/ X7 }" S! e4 r
            /*
6 K  c3 V* S6 T3 o( m! V             for (int jj = 0; jj < N ; jj++)& A" u2 d: j/ [3 o1 m& U
            {) J' ~: I' t) q/ @
                     fresult += vec1[jj] * vec2[jj];# Z! m) a9 K( t
            }! A5 }( a* r9 x
            */
' G5 p0 o( c! K  M$ \1 Q                               2 `0 q- x) T8 L, k$ J  L
            //Method - 3  N=100000 204s' O7 d( C' ]0 k/ L: i4 Q! q
            /*) W- ?- [* s2 s9 Y$ g* v
            for (int jj = 0; jj < N; jj++)
+ J5 G4 [+ n6 ~/ i" ?             {
% C' y) k* y& L( f" q                      fresult += b1[jj] * b2[jj];+ t% X( }$ U" m3 `1 ~. T
            }
' U- |% w9 l4 [! |# K* q, P  C             */
  z* ^9 v0 T; w9 X6 |* E! G6 G
; C- E. T" `, f1 ]             //Method - 4 202s( F( ?& t8 Q- v/ d  e3 d7 x
            /*
6 U/ x+ V* R% g' a, r% O             for (int jj = 0; jj < N; jj++)2 G0 }. R& [* l3 \+ z. Y; }
            {3 T3 N# u' D, V2 z  x  y" c: Q
                     - p. ]/ i' U( d) C8 I+ Z
            }' |/ u+ A" x% j; K
            */0 E& G7 m0 b0 Q0 I
            //comment out all methods, N=100000  202s             : u- {9 v& K/ d6 D; |. Q' L
      }% d* ?3 E( L7 U7 r5 K
2 y) K- m4 `9 I
      delete []b1;
- i+ I* |- ?0 w, P3 C0 Z       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
$ @% v+ ^/ I8 F, v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？8 w' P! E8 a% c
, u" N/ E7 J4 R' P- l, G& S
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 01:162 R0 Y, J! _8 l+ _
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
% D8 N7 m8 m8 I- n3 Q- G& ~/ @+ L# M3 S8 l
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
6 c6 ]) v/ S: z! O# Wvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
8 P( V* v9 d- X5 A{5 ~2 l7 o. \5 p ^( ]4 p4 ~4 J$ T& _
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