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
- d1 E$ G) Y( P: @! q拉下来？拉多少？; R7 ~/ W& \! \" P
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 23:333 w6 ^2 [4 s! O4 W1 I4 ]3 n& z7 O
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
5 B* J( |5 R& a: z( Kvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
% U7 U% U/ i/ [) |! F4 k; m3 _3 y i{
5 F4 a4 K& r( N' X 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 T9 R7 X9 [, Y) {4 U1 w5 j2 K
这个不是这么比的吧。。。
$ y! \; C1 y% L' B0 _4 Q3 J& _. m. I- m7 r3 @
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
; E3 w) Z; ~/ F- y4 U$ @有道理。( e; O5 i6 l" T3 ^2 W I3 s9 n
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
3 u! S- u }, e+ ~: }# K; `9 l这个不是这么比的吧。。。
; v3 O; f. R/ Q: s7 c) @! ~
, I: C7 t) V4 H; |* j( ]3 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）。

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
% ]. K/ T9 B+ 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
; f2 e7 K G& j& m8 w3 ^9 v6 p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
8 t+ T. T& B! D7 o+ _& F, s& H, 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 ...

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/ n6 S, n! ^1 a+ P1 t0 N; X+ f$ V
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
' ~& K' F% _. 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);" L% o! @* [5 }4 B( o
      std::vector < float > vec2(N);. z6 F+ @/ A; m4 l' u3 J
      float* b1 = new float[N];1 \8 j! W, D' d
      float* b2 = new float[N];
$ L$ K& o2 j+ \7 v) a
% F5 H- h# Q' F+ R1 h       for (int j = 0; j < 6000; j++)
' o; T# F6 G) U3 M       {3 Y: _& a/ E' \0 b: C
            std::generate(vec1.begin(), vec1.end(), []() {
# P9 u/ t  ?6 H/ p5 b                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
6 }' [1 ~) _, s9 `2 G6 \# s                      });0 h! N+ b2 F9 V, o9 I
9 f( z. j# u& O
            std::generate(vec2.begin(), vec2.end(), []() {
# P' d  a. [3 L& Z9 `8 Z                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;  s- s" e' h. m
                     });" c+ o% i1 ^+ ]6 [1 d% ?1 n
! X0 n5 [8 ?4 |; K* e
            for (size_t jj = 0; jj < vec1.size(); jj++): o  E: U/ S2 R3 r6 E7 E
            {
$ e2 ^# l4 o' v& w  I: P                      b1[jj] = vec1[jj];
/ _3 g7 M$ V& m  J' t& O6 d, i& B             }' P6 [/ r3 C# F; {) ~: k2 P
5 X3 d9 I5 S6 K% Z5 f
            for (size_t jj = 0; jj < vec2.size(); jj++)
% B3 ]: K* j/ B5 s& O& a, Z/ U             {
; A1 i1 T: i3 O0 H8 |( \8 o6 ~: E$ o                      b2[jj] = vec2[jj];
* R; G. a1 Z! F6 [# g. o             }. D/ b/ v& H+ ^8 A) W* ~

' B) m0 V. A: b. D+ e             //Method - 1  N=100000 247s
4 q8 H0 U. R* c) ?& `% r! I4 o8 B             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
: q5 K! e* S* S' Q) Q9 U
+ d/ q$ L2 c0 V" X+ ]             //Method - 2  N=100000  237s. G4 e! Q3 p  o+ Y8 w
            /*
) J# |3 f' R+ l2 [+ n6 }% H# X! ]             for (int jj = 0; jj < N ; jj++)
7 W: [% C  u, n! B. A             {& A/ ^* d! j. T
                     fresult += vec1[jj] * vec2[jj];4 P3 U& L0 ]. P
            }% Y" V1 E& R! I. S4 L9 v3 [  B
            */- d- `$ q( [- e
                              % l, c6 q3 M6 m4 \
            //Method - 3  N=100000 204s9 w" P4 B# k7 e
            /*3 J2 l' `; q4 W" O" y) w6 s
            for (int jj = 0; jj < N; jj++)8 |/ \* A5 {- S' b
            {
! a! }1 m4 K) s9 M                      fresult += b1[jj] * b2[jj];
* c) ]+ E# J# s* r9 b             }
+ {5 ]. l5 C  R+ G% m3 K1 @             */. c. |6 _9 y( _# l+ R6 k

: m7 r! y( u9 ?1 F. B* I0 _             //Method - 4 202s
) x' f  E; R# s             /*
- {: v& Q1 l) h% s( M             for (int jj = 0; jj < N; jj++)
            {: I9 K: j* {, ^1 n4 V; v# d; v

) c* u8 p; x  }3 D. b             }: [7 D1 ^/ }" a! N9 c" F8 Y4 [% S1 H
            */! {% e' x$ J+ m- k1 Y1 T
            //comment out all methods, N=100000  202s
: G4 ^% H+ s9 p       }
7 s# O/ @  T! V5 i
4 r( O5 D0 j) j       delete []b1;/ e4 G/ ?% E6 ^" N: ]
      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
0 B$ w$ D# [& f& R& f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 n& w, n6 i1 h! o6 p
6 @& z. s( I& m) 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 01:169 d* K4 S' n& O" W, z
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
* |( g/ H2 N7 G6 T' b2 W6 K! w8 R: Z- o2 \
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- x+ S b+ l1 s2 B! w% M" _
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)5 d, _8 d& ^4 X) _0 m4 f
{( ^! i* n2 C5 H, _" |. z2 N
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