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
- `2 T& Q* g( q9 m拉下来？拉多少？
- }8 `8 O; G8 M& q9 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! A1 f/ K. x% n6 X. i6 B# ^+ a
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 23:540 E l" W5 J: f# X2 l
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)# H$ S" Z# a; G
{
* Q; T0 P3 |& A2 N; E5 ^& T- 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+ C( O/ L! w& Z7 {; M
这个不是这么比的吧。。。
0 w Y) ^& k+ b9 M( t* k
+ D5 j' {' @/ ^9 [- R( r' q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
: C: t, h' ?( U: W$ a有道理。# P& h, `: Z& r8 h+ R( K/ G
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
% P4 g: j* {) z: g/ x! A5 e. X这个不是这么比的吧。。。
* i' E; r8 d/ ~. z0 G( g% g. @
5 c0 C9 i' B: C7 r6 a' e6 ~" k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! g0 g$ c8 i' W4 Y# A9 H) V! K
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
: I% U' ]1 s' {- Z+ p3 m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
% a7 Z, ?+ O* a/ z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
, n1 M* {1 B3 D8 ?; ]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
0 F: m8 C( n0 v- G1 p. G" S" v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);! R% ~/ r# Q3 \" Q( d
      std::vector < float > vec2(N);
: q8 k) m. L% Y  ^1 Q       float* b1 = new float[N];: w3 G) e6 G; r3 x8 u7 d
      float* b2 = new float[N];
$ p- i8 g6 j2 U# A
. h) Z% o8 Y6 t; ^% x       for (int j = 0; j < 6000; j++)
( W6 o% g9 C. q: F! r       {) b5 Q+ @. |, `/ x- R- K( s
            std::generate(vec1.begin(), vec1.end(), []() {
1 K% _$ D5 d/ h, T! c                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
( J7 i6 K+ n; _0 W# r0 c                      });, m- l0 H! v+ |3 m. n5 u% F# k

: `* q* S( }6 r9 y) J& u( A+ m! w             std::generate(vec2.begin(), vec2.end(), []() {
6 u3 Y5 Q& m/ G7 ?* ^1 A7 |  f6 h- Q                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;0 {; i  r# X1 W$ y2 w4 W
                     });
5 F7 p0 E2 r, U# E3 V; u$ L
* F# F0 m9 |* p3 O7 \7 z, W             for (size_t jj = 0; jj < vec1.size(); jj++)
0 _: @& F4 N. L% [! {             {
7 O6 I$ d- v# V! x+ l9 |5 O' h                      b1[jj] = vec1[jj];$ z# {! z2 Q+ C
            }
" Q# {6 ?8 M: O3 r5 `; K  i) _/ B, g6 y4 q% }: T, u
            for (size_t jj = 0; jj < vec2.size(); jj++)& ^+ E7 K8 I2 U4 T. T2 a
            {$ X7 s5 p! X* C
                     b2[jj] = vec2[jj];
# O# Q. h7 A4 v9 \: ~             }
. S) e& @2 d/ d! k- |' l
; a& }0 n  d! `: f% C             //Method - 1  N=100000 247s  # ^8 m' V1 N# G
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);5 u1 q; J# w5 J4 X
                              ) U3 y8 \# G& u1 L
            //Method - 2  N=100000  237s
- B1 a' {; p: z* H* }$ q5 e3 W             /*
& m2 Q! I5 S7 s/ F( Y( Z             for (int jj = 0; jj < N ; jj++)! p* s6 s; p0 D# A+ E- w+ U& o
            {
: E& @7 b( d' O# D( {5 c, l1 y                      fresult += vec1[jj] * vec2[jj];
2 s5 b6 E) t2 P2 w' W/ M             }
" h2 ^9 @7 D1 h4 b             */
0 E+ _; H  ?/ ^* }9 r                               2 f: R0 L1 Z7 Y+ h9 i8 \
            //Method - 3  N=100000 204s
0 ^- y9 h# G7 R! T             /*
! R" B* M) e; K7 W             for (int jj = 0; jj < N; jj++)1 ^% F% @1 s3 `, s
            {
8 x* _. N* r% @  i& l- v                      fresult += b1[jj] * b2[jj];
) {! P, U# W( t( }3 \' l& A+ B             }
2 D% o, a, N+ Y! Q) c             */
8 v  g" \+ s" S& i- V# R
, }' C" n! C, K- Q! y             //Method - 4 202s
+ A( Q0 q" E. M0 A             /*) H$ d8 ?6 c8 R1 i, _5 h7 I8 ^/ c3 P
            for (int jj = 0; jj < N; jj++)
2 H5 ]1 d7 R: M4 K9 s0 g             {
* ^% K; I: t5 m0 A4 D$ g9 Y                      - \2 _  I9 h5 Y$ B2 M/ t
            }' g9 _# Q1 i$ J9 f
            */2 U5 A. Z% C/ d! P, h% ?+ c
            //comment out all methods, N=100000  202s             8 X) }/ c  n+ f& f, `! F& i
      }! `6 }. }. z- {' ?: i& t" k
" W' J. ~$ L, p& |* I2 C1 {
      delete []b1;4 Y5 J2 ]' p- U5 ]+ x) h, w
      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! m) Q ~' M, y" 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？
5 d2 x P- B3 A& J. V) a
! H8 O& q+ p6 I5 a! U- P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
4 n7 ]2 |+ Q! M+ J) ~. {3 s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 }+ j, j! o' W( l! v8 b( ]

7 |3 ?( q/ Q( Z- Z# u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
0 H+ c: V) h$ q6 Q# \2 k$ Ovoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
$ ^/ I3 [, X, |( K5 O, R& o{
. d1 t2 @3 `3 D a( c4 M 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