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) e' k; C/ w# A: @* p* [# n
拉下来？拉多少？
+ ~$ o' N$ R3 g+ p$ w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 23:338 l7 o, z% ?! J% t! a$ W
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
, P1 |0 W. L$ e7 S1 ]/ |void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)3 X" _7 S$ Q% J( E2 F
{
+ j0 Q% n- O+ J% [+ O& t" c5 `3 z: n 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
( N+ w" w( C0 f. d8 s( d1 C1 a( y! s这个不是这么比的吧。。。
: i6 w7 k* S E7 F3 o! n. n
9 {: P: o" S$ s0 Y2 i. x3 J" z6 }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 J3 O4 \2 ?- |( S5 L$ C, R w
有道理。4 O# H2 i% C/ g. y/ q6 n2 ~0 `! h; H
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- l4 x! E: \1 {4 T
这个不是这么比的吧。。。3 \3 v# g, Q8 x: }7 }; G9 r
8 C! `4 q3 ^7 |5 n: Z2 b; B
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& l q' Q6 V4 Z; Y: z8 u D2 j2 v1 K9 ]
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
( b) ~ y! i% s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
( {) S, Q/ k1 Z) s- 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
+ x) o7 X/ U; w& _6 d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
7 x! Z/ d2 Q. `3 [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);" V% U( }- [: Z3 B% k/ y
      std::vector < float > vec2(N);* `! r- m" w1 g$ n9 ]* o% N
      float* b1 = new float[N];% _6 J6 a" d/ M- Q
      float* b2 = new float[N];
2 _, e* D; Q  A. q5 r/ _5 F% N% ?1 {5 Y
      for (int j = 0; j < 6000; j++)/ c, J. Q. f3 u5 R1 k0 @9 T9 P
      {& f, I$ f  d4 [- X& D8 e2 ?
            std::generate(vec1.begin(), vec1.end(), []() {
- l/ ~9 R* w1 O: }2 y9 {1 a; x                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;' Z4 w# w1 I& `; s! }2 R3 K
                     });% C# U& o: Z( R: J
" S, y2 b7 T( Q) q( d
            std::generate(vec2.begin(), vec2.end(), []() {" y* X1 M- V& e+ x0 i0 H
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
0 O0 O& G6 Q% {1 l                      });
' ?0 D3 r5 ~4 d' v$ I8 ~( d8 t2 I) Y
            for (size_t jj = 0; jj < vec1.size(); jj++), W9 u( x; w& z( O+ l6 Z9 X6 w
            {
, s6 @2 i5 V/ n  I' e                      b1[jj] = vec1[jj];' c4 T4 ]4 X1 @0 Z8 z
            }! c* p3 j2 o8 L; g
; }3 t* K/ [' a  \8 ]% S
            for (size_t jj = 0; jj < vec2.size(); jj++)
            {) X# f3 ]/ b  h6 Z' q2 o
                     b2[jj] = vec2[jj];1 R) s4 F7 d# `  d* Z# Z" {  |; I
            }, H0 d# y$ g9 D2 ~# \7 r% i

1 q' r, O! ^/ w. D             //Method - 1  N=100000 247s  1 v0 z" c1 x# m& C) v
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);7 y" @7 q; b5 c( f1 g: s4 A' b
                              + o) \) f% v; _3 E" h5 w
            //Method - 2  N=100000  237s
2 S( `; _8 d) K6 d! k' M* W             /*
; `7 m3 R% d" x9 W7 F7 S5 L             for (int jj = 0; jj < N ; jj++)
1 T3 y  |8 @* f( B             {
5 t* s  P- X' T0 k                      fresult += vec1[jj] * vec2[jj];
! u" \2 {$ y* i! Q+ |! G             }
$ w, v. z6 Z$ p0 K/ K             */4 D" M! d% r; @+ J6 o* c; H0 u/ ~+ T

1 W( J/ Z& v! j+ D             //Method - 3  N=100000 204s
% ?2 q- n/ F( G' R+ e+ M             /*
* j; z. Y; R$ }             for (int jj = 0; jj < N; jj++)
) Q3 ^; ]5 L# S  }1 b4 r; G; ]             {5 O- F1 ~7 P$ a+ e3 d
                     fresult += b1[jj] * b2[jj];
1 h( o. j2 V& b7 c7 o3 B$ |. p" q% Q             }
/ |& `" R6 ~) q* H3 r; G$ P+ C             */
- y$ Z) v( D; }. W3 O' n- e2 |3 M
2 ^% r, r3 p/ ?             //Method - 4 202s
- c+ d1 }! @" d1 Q             /*
6 g2 d7 O( y* Y8 N             for (int jj = 0; jj < N; jj++)) O7 q6 m3 ~3 o: |& W
            {$ M3 T* U/ C9 N4 l. U" I2 F8 M
                     / k9 u' d; V$ X4 b2 C# j% O
            }
6 ?% G6 n  [. J( X             */
" h+ t4 b9 b) H& N- |+ u9 o             //comment out all methods, N=100000  202s             ' n5 |" q! T5 F7 B  ]0 ?
      }2 I4 U4 H* {% F+ p6 r# z4 z/ I
$ Y& U; w5 R: M7 w& I/ `
      delete []b1;( e( z6 P0 K4 t6 G; Z' Y9 O
      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' a% I# c9 w" \
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？" U* ~( u2 I* B( [6 [# g

! j! w# r3 z4 A7 P" H7 o3 B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" T7 T0 ]' N; s n
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
# U2 K; m/ g+ n/ [. G7 n! C1 ?6 l# Y3 J. Z7 H P! |/ U" c
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 23:540 o' X9 m; D) f0 d
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)% \3 B/ L; A' q& l0 R% k0 e
{
$ u6 I! t( U {, P: w5 P" N8 h1 @ 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