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 23:047 U. W* @5 a% N
拉下来？拉多少？+ e/ D- j( F3 T& |- _
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
0 G+ O+ ~7 V4 _9 @, {- ~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
0 p- Z0 @1 |& o. hvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
2 Q+ E! m( v8 ^* A{6 }, B. o+ f. D+ S
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, i$ t6 i% y9 U
这个不是这么比的吧。。。
# r( z2 O. ~7 s/ n ~
* V, x7 Q, c, T- J* f# {! A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
6 E6 y+ m9 Q! e& E5 s有道理。
3 @0 F1 U9 g0 i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 00:208 v5 m- j+ o( U& s( b z& k
这个不是这么比的吧。。。' w4 A; m5 e% y8 d9 {
R( g! O8 r; g7 l. 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）。

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 ^+ N6 h/ {5 N5 e2 H3 H8 ~3 {# ~* b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
* f; `- C- g. B- t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% a# i5 r E# B6 F5 l* h
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
* b. r/ K" R8 j- w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 14:587 n7 Y' p% M/ `
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);
4 g$ U" P$ G, _$ ~7 C! z       std::vector < float > vec2(N);, J9 l% ^0 m; @" |; v% Y8 H- f) N
      float* b1 = new float[N];
* d. Y+ m4 L' ^) y9 {! `1 a  [0 B       float* b2 = new float[N];
! A" _, V1 h" D0 J1 g; i$ r1 l  h& b3 t+ w6 o2 ^: N, m' w* ]1 x
      for (int j = 0; j < 6000; j++)/ F) O0 ^* H  y
      {
% n* m0 i9 o# T- L2 f             std::generate(vec1.begin(), vec1.end(), []() {+ Y# M- v5 A4 I" Z4 m. Y
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;3 t& Y0 t% M# f) Y/ Z$ L3 @3 G' p/ {
                     });
, S  L7 P% r0 J( {
: _! m4 f. Y! i- a             std::generate(vec2.begin(), vec2.end(), []() {
8 g/ @& A# N+ ?1 c; ^$ W. ]- m, O& B                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;6 T2 K6 l* O' n0 L1 I, L0 ?
                     });- l- L& c* t6 c7 V7 G( y

- `; H8 e  h: W" `1 |8 O             for (size_t jj = 0; jj < vec1.size(); jj++)
( M4 w7 ~& n9 a" V2 m0 f: c1 M5 U             {. X$ f, N( d5 G
                     b1[jj] = vec1[jj];" L' |% \/ j6 |
            }
# D! `& i8 f' q1 r- U3 b, j
: c7 C8 s; k: [- \5 ?+ H             for (size_t jj = 0; jj < vec2.size(); jj++)
* E* j; f: l+ A6 v' D: E2 c( t9 }             {
# [5 l) k. M# ?4 M) P: l* l                      b2[jj] = vec2[jj];- I( r) _! L+ w# M7 h2 b# n, d6 k; C
            }2 E5 n' z: q) @( M  l/ Q- l' E
" \+ O* o4 v7 }# d, g
            //Method - 1  N=100000 247s
' t8 i0 f2 f& U- U# S6 I             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
4 P8 G8 ~5 D4 ?3 C7 E; o: K                               / f$ O6 P6 |; o
            //Method - 2  N=100000  237s
) [: X) E7 S; q: X             /*2 n% ?) C2 r& d8 t6 {) g$ B1 G
            for (int jj = 0; jj < N ; jj++)* }4 C  }" L! E4 W" }" j
            {% B. I) Z% ]- x( N
                     fresult += vec1[jj] * vec2[jj];
% K. x: X# {& T) R             }
. Y+ m  W2 s1 F. v2 X             */
) b  D& e/ ^) D2 c! t: `1 ^                               & F6 [$ L7 i1 j; l  {' u! M, U8 H
            //Method - 3  N=100000 204s
5 V; i6 X3 ?1 j0 ?2 ~1 J: \( A; T             /*
% W; ^! l; ?3 U0 J+ g: F6 Z) F             for (int jj = 0; jj < N; jj++)4 q. T  A! o: N' \# R" a5 _
            {
                     fresult += b1[jj] * b2[jj];
$ t2 T+ P; _1 e- A# J3 y) i             }
2 u1 a2 \6 P& \9 j* q" i. p             */& j2 V6 K- r) Z$ |& i8 b9 v5 E6 A

2 q6 q' [! G% R: D$ }; h             //Method - 4 202s3 J  Z4 R5 Q2 k. H" S7 [. a3 S
            /*6 j: k# i, q0 `4 A/ p! u
            for (int jj = 0; jj < N; jj++)
/ C7 V" V% m* J. A. T             {: L3 Q7 C0 H& N/ z# \

! \/ @1 c' G* @             }1 n3 W8 f3 Z/ M; a- m; G- A
            */
8 x1 |- ~) h! {5 {$ w: m" k             //comment out all methods, N=100000  202s             % Q& ]* K) I5 ~
      }
4 ~  L# w" {- w; r
; Q( h' I4 _/ t# Q* a       delete []b1;
7 r+ [9 s8 e+ z6 \. P       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
7 U! l, D: v+ K* ?% Q Y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？
' D1 u4 S& t& R7 \! s- a0 c( K" K
# b2 E6 f/ }7 d2 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 01:16
# Y$ C/ Z2 s; y$ |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
+ Q t/ \5 L5 z) E. ]4 c" i4 @+ c2 a, e* I) G" ]
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) Y' m% e# P+ ^. W j3 W, f1 Q7 J3 R
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
3 W0 j5 `2 j% n) l{
5 G+ c1 f8 W. l) R9 } 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