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
% f3 J) O" o5 w1 o( \+ L1 k* P拉下来？拉多少？
: ?1 n! n Z, b5 o, ]/ D- \4 `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
8 X/ Z* @+ g7 V. LMaybe 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
7 Q# `. }" F; O# Q# wvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
, r( W* D0 M6 t: y; ?4 X{
$ N; k8 ~" d( T2 {! p8 I" Z4 z 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
2 V* i: m( P$ B& p这个不是这么比的吧。。。
; c# L5 u4 C- O& Z3 a, h. [/ ?' ^) ~0 V; \ `6 i4 g w
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: q6 o6 k8 [( @, s0 ^
有道理。
/ P+ A+ V1 w/ q$ L# {0 {# o% X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- {- \5 r5 N+ F. N7 O1 J
这个不是这么比的吧。。。
1 j6 L$ G& S A! @& q$ |6 o. e" Y6 r0 {
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
s7 a2 ?. N( j" n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
* M/ z3 h1 t) I+ V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& K9 M% B1 B; L/ l# E8 {- h, K
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
0 G+ v% b# g( u- @2 a$ ?+ 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& [% f, a/ R7 f9 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);2 Z4 h1 r3 G' z
      std::vector < float > vec2(N);
' H0 f9 I! m7 F9 r- b; V       float* b1 = new float[N];' p; {( j4 A& h, r
      float* b2 = new float[N];1 s! \# `# C- G6 A8 _4 D

7 p9 I' ]  o' A7 ^  R$ M# D       for (int j = 0; j < 6000; j++)
# k5 u2 ?8 D6 v, E       {9 V& T; d! @5 N! h/ y) W7 [; r/ i
            std::generate(vec1.begin(), vec1.end(), []() {
  c: x. u7 o1 M5 P9 j6 ~                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
1 z  |: s( ^8 {% O. m$ e                      });
' u+ a0 \' z! E$ J2 L5 L  O, Z* O$ j# Q, S. K8 q3 E2 x; r* A+ C
            std::generate(vec2.begin(), vec2.end(), []() {7 k, _9 F  D- u9 p6 d9 L
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
* c6 r+ Z' ^& k. O4 a: `$ W                      });. D) H8 D! j5 ], o

' B+ q! S$ I! y/ H! Z. d             for (size_t jj = 0; jj < vec1.size(); jj++)
/ W7 G* J8 h% z8 d2 ]' C  y( [             {6 H0 r& a. M% S0 t9 m, C/ g) K
                     b1[jj] = vec1[jj];5 Q/ i* y: w$ j* H4 f7 K  L
            }
6 k. H( s* t/ B6 L& H( }
% X$ Q' T3 ?5 X$ v! S9 t             for (size_t jj = 0; jj < vec2.size(); jj++)
* d" p  S3 f0 M' w( L1 ~             {" w3 ?" ~) ^# l. L# c# n
                     b2[jj] = vec2[jj];' c" h3 m& ^6 u3 ]
            }! S, G& u; U2 z; l; k

/ a+ O* S, R# Z6 W9 Y             //Method - 1  N=100000 247s
, Q; I6 f& ^3 x6 `; y$ P             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
6 U* _9 ^5 B6 {8 i" L                               * f( I' v: }4 {$ U1 ~: ?2 }
            //Method - 2  N=100000  237s7 Q: h0 n( A/ H' z/ p4 ^; D
            /*
3 l5 t: I0 G3 N  }% q: `             for (int jj = 0; jj < N ; jj++); `% S3 S1 O: r6 q+ h
            {
' h3 e  |' p4 r4 [* E                      fresult += vec1[jj] * vec2[jj];
/ g5 B, G; f) _- O" W             }
2 j  _' m. g2 I. e0 H5 v% b1 B             */5 E- T1 X! {6 x  \- e- s
                              ; ]9 b. H" L5 N9 [* C
            //Method - 3  N=100000 204s0 e" u. [0 r4 S; ^
            /*9 R5 \3 G/ J6 y, t
            for (int jj = 0; jj < N; jj++)
5 I* t9 `8 }# `             {+ _, ~# z9 z, Y: i2 {# I
                     fresult += b1[jj] * b2[jj];
0 ~  H. x' I2 b8 A; P             }. B, q+ I$ a, J% V+ R3 o! U8 c
            */
! k. V9 m- Q. q3 D
) s9 w% G# z& Z* E2 y& ]             //Method - 4 202s! C9 n2 S2 ^& C- t* V; i# \
            /*
' H( H" D0 _, C  ]             for (int jj = 0; jj < N; jj++)
+ _5 ~$ Y: U) x             {
$ n1 n+ r) L4 F+ _" p) D: H
% [8 E2 U- R7 |) K( w8 W             }
1 O  Q+ E8 ^' J. @6 Y; s             */1 u) E9 p- p! O! J' }
            //comment out all methods, N=100000  202s
; P1 S) [9 [9 e6 T4 N: y       }
2 U& I( l; q' O4 C6 R
& Q: E! c: b7 p$ i4 O5 n0 o3 f8 t       delete []b1;) ~. {3 B2 f# L9 _# z2 K
      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 00:155 n$ K, l8 g! a& [( Q
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？5 z/ x' V, g: S' ~5 |
+ d9 e; ~7 ~9 q' ?0 g. V
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
[. {& P- m9 F& i# H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、LOL2 `, e ^8 @: v. [4 x( W2 z# A* x2 d
( k1 a( w% ?5 F& t
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
% |! u2 {5 m" l' v: Fvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
" N6 e7 _1 K( F% i, {{# `3 d4 Q- o+ X! X3 Z
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