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
9 r' h5 a; \/ g9 ?3 \拉下来？拉多少？' t1 E) i& [# } m+ H
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 23:331 e# D& }5 s2 Y. \
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 23:541 u" g" Z+ ]2 F( s
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB). g# a; J7 T( u8 _6 t) ]7 k
{
7 y. ]' g$ {) f, u2 A+ l8 |* {& M 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 00:205 u. N( V9 F$ J, a* K
这个不是这么比的吧。。。, N# F: D9 c( _5 W4 H$ Z

7 g0 Y0 s2 \* U) 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）。

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
! [+ b4 V, ~2 W0 A1 L有道理。
; i8 ?0 ?" h4 y" R, D. f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 H" t1 g7 F& h z9 {1 O2 S
这个不是这么比的吧。。。' B! D# Q5 B+ m

1 q% N) I" C/ ~5 G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 01:485 l2 N8 e: |1 l5 _' L" ]' p! r
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
# g J a0 R0 h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
; I; M* a1 S$ V: e p, t: 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 ...

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: X, B) m1 A$ f' d- h" I
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
) u. E1 K5 a) M7 _ S) F, B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);5 y' ]# d/ y+ J$ h/ S% f) M& B
      std::vector < float > vec2(N);* F  n9 z5 K2 E; b+ V
      float* b1 = new float[N];
9 g1 w7 {( A/ L) a  h% }8 ]       float* b2 = new float[N];- t( B7 M% g: p2 ^* }

3 U0 i3 B+ m3 y       for (int j = 0; j < 6000; j++)
1 i! A% f4 v. b: T9 r       {; _, \% u0 p% ]* |
            std::generate(vec1.begin(), vec1.end(), []() {9 W) e* Y5 G% ]7 d8 h# c
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
. \( E: m' ^5 W- `8 U6 B" h                      });: T) t3 s( L9 x& p) H% ~% D
3 m+ r% K! l3 z. c. C0 f' f, V
            std::generate(vec2.begin(), vec2.end(), []() {
! H& U+ s* {2 c, q                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;2 R1 l' j. ^6 f3 b
                     });5 E+ {/ g% L2 _

# _! ?# R' r' Y: M+ C             for (size_t jj = 0; jj < vec1.size(); jj++)# ?3 s& o1 S0 a: w- t+ g8 q5 Q
            {
4 ^/ L* I2 Y$ y                      b1[jj] = vec1[jj];
% V5 d  a3 M+ x6 P4 ]# L             }8 n' @% n: }+ a2 o( q0 F
8 y% A% J( G- g# P$ m& |0 s
            for (size_t jj = 0; jj < vec2.size(); jj++)
- z' Y! l8 Z9 V8 B             {2 H8 o% I$ n  B) }: F1 H8 @/ S
                     b2[jj] = vec2[jj];" u4 f: G% X0 N& X. Q( P
            }, }: k& U6 ], ?; e. N9 B6 S' d

* e+ m" Z6 f' Z% f8 f             //Method - 1  N=100000 247s  * e3 G3 n( F& [
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
$ [1 L& H+ a! A( O                               ' `3 E5 r% v( A3 v6 A( G
            //Method - 2  N=100000  237s. Z: X! b1 a! ^" N! @7 l
            /*( M' b/ Q. O; J* B7 W4 }4 Q" E
            for (int jj = 0; jj < N ; jj++)
( g5 n4 X5 w5 b  @! C* z; L& _4 r9 ]             {
9 Q- ^6 {& o+ M4 ]+ c% ^8 T                      fresult += vec1[jj] * vec2[jj];% a2 c- U% A) E" h+ J7 k
            }7 n% I0 O/ A) c$ N/ p9 T9 ?* h
            */
) e' n8 N* W( P9 r
/ J; N5 _% s9 X& _2 W             //Method - 3  N=100000 204s
: Z8 @# J* N" Q; I4 W1 T( s& I             /*
- d% T4 _  |$ i5 o' d# m2 a             for (int jj = 0; jj < N; jj++)
7 x+ t& f# u3 x( r6 P             {
6 @; i- E1 R) j6 T. s& S2 ~+ y7 Z3 w                      fresult += b1[jj] * b2[jj];; {$ C8 s2 K% O1 ~$ c$ D
            }
" T! U. r. U: K6 o( e$ U0 Y             */' [  @+ ]9 M8 t) V( B. D, r) f! g6 V' s
. M- x, C0 J1 }3 @( l4 c
            //Method - 4 202s
! I# ?( A# K- F             /*5 C5 W* Z; B2 j1 e/ w( O8 i- L
            for (int jj = 0; jj < N; jj++)
% @3 R* _" S7 y             {
2 L  j+ j; k& O5 A  m                      . ~6 S2 @7 i+ w
            }* F* C8 ^% M  p$ L
            */. `. u7 p/ ~/ }+ W
            //comment out all methods, N=100000  202s
& l. K$ B/ h' b' e. b( A( |       }
: C: ?# r( k+ M( p0 C2 `! E9 D' K7 S* V4 f
      delete []b1;
6 D& f$ X; c/ h% q8 Y       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$ _8 W1 {6 s( k
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？# f( m; u/ Y9 j' ?& o6 d8 \
F4 o* t; D# [3 j3 n, R5 u% I
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* V' F. q4 A- h) g1 F
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
4 j, k$ l: p0 {3 f; t5 F5 x" u- \, I8 l; Q: I
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
; O- b; X) H# d% Zvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)$ s8 p! H0 J+ d
{
, N8 t; O3 I. _5 U" F: ~5 C 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