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+ B! ?6 Q* r+ n5 Z9 N
拉下来？拉多少？
7 R9 ^* @" b! i# t' _/ f0 O6 O( i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& q6 K8 x2 i- o2 \
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- N- f/ s/ [. K5 v' M7 A. j
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)1 d5 {* r' i# t% J: R
{0 T: z# E2 @. a# K
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& a9 t. w& x: c
这个不是这么比的吧。。。
% R$ X0 g/ O: o( D" S- K! ], X: e6 W! d+ H7 |. ~# {
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
" r6 }' X3 R. N1 \# l有道理。
8 r& o3 }( v' t6 M/ c# d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 00:203 S: o Y) S9 w6 Y- f3 X( a. n
这个不是这么比的吧。。。* g7 S I- [9 {8 C* Q

- `+ ?8 T6 \1 l( 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）。

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
1 b p4 v. Z# M5 o' ^9 i4 v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& X: L9 i5 d5 ]. [
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( U/ ^8 ]' C0 C; k# H/ |2 o( e2 k+ k$ L
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 04:476 E/ _; V0 r' G+ E- s% I! o
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 14:589 G) b9 R2 j7 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);
8 d4 \- o  K8 `2 C8 ?$ ^5 K! Q       std::vector < float > vec2(N);
; p6 D1 k5 ?" P8 U- n       float* b1 = new float[N];
" H' l( E5 U+ E$ v       float* b2 = new float[N];5 o/ R! y7 o" s2 ]. G5 Q

# ]+ C* u( w9 N, `' t3 {       for (int j = 0; j < 6000; j++)
0 e) `* h- _8 v$ O! \6 x- S       {
5 Y" Z2 P$ H% d+ G) U' N             std::generate(vec1.begin(), vec1.end(), []() {1 l* x) R3 U( g+ V
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
+ d. f) |* l% H7 f1 H                      });
! T5 H, @0 C  E
) a% u7 E$ E1 X9 @             std::generate(vec2.begin(), vec2.end(), []() {1 Z: e! i$ Y  a' h
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
9 @& ?" a) m# {                      });" d0 L8 A& N/ ~" J9 u; i  Z

6 C! ~$ p) j( s7 h2 S. |) T" j& A& S             for (size_t jj = 0; jj < vec1.size(); jj++)  H$ H1 f9 }9 m; _& [
            {- M6 H8 W/ O5 b8 F1 B" b1 y
                     b1[jj] = vec1[jj];
  y3 w* ?+ ^/ ]+ a" V. @& ^             }
- z2 Y5 f8 ]+ }. v  u' _& i$ M% j
. o9 k% R4 C- @2 ?( o             for (size_t jj = 0; jj < vec2.size(); jj++)
/ M4 v: X8 F9 v$ H             {
$ m* \) V' Y) y6 O7 C                      b2[jj] = vec2[jj];* q: R3 R, q0 s8 \+ Y
            }/ H6 R& a; A" B$ U

) r7 Q- k" s: B" {, I5 X) k0 |             //Method - 1  N=100000 247s  8 ?" V7 d) }+ _3 ~2 u# z
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
/ r5 M3 Y  W) |  t- y+ Q- y0 v: K
# @: X: M7 G! w' d             //Method - 2  N=100000  237s
+ `, E+ V( |1 ^/ d- s; |1 |             /*
; G+ u$ |" O7 A2 f7 O$ B3 C# v9 @             for (int jj = 0; jj < N ; jj++)
/ M2 s' ^$ t9 q* n/ o5 q             {
4 T  G( N4 @' V7 `                      fresult += vec1[jj] * vec2[jj];# E; Q+ S2 y. E' L
            }
$ B% y' v4 i* O) W1 X6 U0 ]! e             */. ]. s3 J% p: d7 w8 v( W

$ h; [9 @/ B; B3 M# _; k             //Method - 3  N=100000 204s4 W& s8 p4 @, A8 \  [: c  N
            /*$ P7 x; U# U* ]/ m/ o: y1 B
            for (int jj = 0; jj < N; jj++)( T0 B4 Y0 J$ |2 a
            {2 `$ l8 l1 [& S( x$ |4 G& ~  t7 W
                     fresult += b1[jj] * b2[jj];8 L- |3 I6 {, Z
            }$ W6 u" N) M3 p- X' j! S; O
            */
) A& T& L. H) v; X; @; o, Q. g( S5 X  p! G
            //Method - 4 202s, [- A! _" x+ r% f# t
            /*
& {- ^# f- g  w/ m4 R9 J$ ^! G             for (int jj = 0; jj < N; jj++)5 s8 T0 D+ x4 F  ^: C' e4 N
            {
$ }7 ^+ A! \3 f                      2 L' e# f4 u7 C; {& k1 p
            }6 Z9 B: D) s5 G) X
            */
0 H9 O4 N6 s" h* Z% _             //comment out all methods, N=100000  202s
) Y4 ~) k. g- l/ o       }* f" h  i: O% Q! C+ W+ N
) K* m4 ^- Y, @' T3 F! K7 B8 j7 E
      delete []b1;/ v, _9 n6 \, w) N0 l5 B: G9 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( Q/ k$ |* D; s( c
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 u, W2 y0 }' n8 `. I9 Y. e

) I4 ^ P% h4 d! ?" |2 \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
/ }- g3 e1 V$ Z& _8 a; c4 G4 h6 o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 b1 H3 A$ \# I; m
9 f5 Z N# \/ {1 z3 `
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. R% e6 m/ R+ Q0 q
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
" r: _, L) G& y2 l+ a2 f) E{0 R: C8 v) U5 V$ b
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