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 23:044 o t$ b# s8 E2 Q& f+ t. @- R
拉下来？拉多少？( k/ {; b `& s `
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
M% Y6 h& {+ \& t1 w7 e4 N! 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/ s& W" f: o6 N8 c
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB). ~- \' D& A/ r6 i! E# g5 X _* V- l
{
; T* S! e7 P2 A- b5 o' a. J, Q 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! L+ D$ b# z3 d/ a( L
这个不是这么比的吧。。。
' @- X, P5 U4 a7 y- ^1 m: N. a9 E
- l' I1 R" p. H8 C- D6 @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 00:465 u- x0 Z/ B3 |" x5 p
有道理。
M$ `0 z" q0 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. o4 K5 s+ j' Y+ X- l$ z7 U
这个不是这么比的吧。。。3 Q4 s" J5 \1 o$ f) R% R
1 i& U) b% o0 e8 K' J7 t D
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
8 z0 A$ A+ D1 U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
4 L" v* s. ~3 s( R, ^1 Z3 a/ o+ y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) b/ S( x$ a, \4 t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
! r* C: i% P) n; z E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
2 r* _4 z/ e! l( [) k7 j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);+ R1 C7 r# v2 S: u" W
      std::vector < float > vec2(N);
/ q6 _' n1 s5 \/ m: n. E! _1 D       float* b1 = new float[N];
% R# v% n4 o; h% a       float* b2 = new float[N];
! d  O, Q5 p& w3 c
; ?1 K$ _$ o2 _* e. W& X' h       for (int j = 0; j < 6000; j++)/ t- ~) }' ^- E! h: @
      {
6 y/ r: r- S+ H2 N8 b             std::generate(vec1.begin(), vec1.end(), []() {
4 b3 [! p# h! H8 x# V6 R                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
1 |, p7 u; s; z0 E$ x% W                      });8 k  j" H5 d* O
& x" J' x$ E& U. g' s6 Y
            std::generate(vec2.begin(), vec2.end(), []() {
  h6 r- Q% i% ]# |1 n) h                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
; ~. w1 t- c! b0 g- y4 @  T                      });
4 D" S, L+ Y4 E) g: ]8 B2 P
1 d3 b, s3 \& {1 ]/ u             for (size_t jj = 0; jj < vec1.size(); jj++). D& W6 ]# ]# \$ a6 }7 r. q( }% ]
            {
# x* S( g% S2 w0 u/ L( s; L! `                      b1[jj] = vec1[jj];
0 L1 H! C( s/ y$ b. {' l( C             }
6 _" H; i- ]; k3 A3 g* J: H! i% e! @* l; M5 v; I5 D
            for (size_t jj = 0; jj < vec2.size(); jj++)* A" E, F: \- A. n' I& }% h' j8 o
            {
+ w0 g+ h1 t. a                      b2[jj] = vec2[jj];. o1 ?7 B/ u/ k, |  Y+ \
            }
& n3 z7 P* j  p' l
% h$ r  J4 D+ v3 u* U& m, c8 F             //Method - 1  N=100000 247s  ' R; U. w7 Q0 t6 B+ Y) L8 r
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);' {' {, i$ s9 O/ G  u, f  ?; a

; @& O/ n0 b' \! g             //Method - 2  N=100000  237s) C. @8 j3 ?; ^- ~
            /*7 B" m8 ~; |& G0 [8 }" f6 J
            for (int jj = 0; jj < N ; jj++)6 C9 {2 c8 |7 G) }1 q4 i$ `
            {7 R$ z  Y, I2 u, o% z
                     fresult += vec1[jj] * vec2[jj];
8 B1 E9 A, s) Q. {) F9 @2 C             }
6 @( L' u  |& ?1 Y8 T' g             */  o" J, J( A7 R6 q' {6 e
                              ) j) C* L. ~" a0 X9 f8 A: I
            //Method - 3  N=100000 204s
- Y: y) {/ k" V0 z4 V( [& R             /*! z# }9 O! u, j! H7 R+ G. O
            for (int jj = 0; jj < N; jj++)
3 K- L1 u2 `- _5 }4 \             {
. V" F8 s' B; G# K                      fresult += b1[jj] * b2[jj];
. Y* @( _2 _( Y7 D             }: @9 x9 H) o/ R
            */
5 k' [9 d/ X  b$ q
- d. M7 N/ F& E* n- y             //Method - 4 202s3 f1 U8 b4 ~6 Z+ c/ v0 c1 j9 y2 `
            /*' r3 J4 m5 {  q& x# x$ C# a/ J% @
            for (int jj = 0; jj < N; jj++)) W) ?1 L+ e( K2 o: ^
            {
$ u" u0 E9 a8 w; i" \. z( l& A. q
3 I1 {5 i6 c9 o/ Y/ \+ Z% L6 Y             }
; u6 c" z, C) w: h$ B4 m             */" D0 z, O8 ]5 S1 A
            //comment out all methods, N=100000  202s
9 t, G# s* M% P8 [+ l3 j- c% J       }
  o7 U' r/ F. U1 @& n/ L( k8 l5 D" \3 S+ W/ H9 Q
      delete []b1;
( ?. O9 B  u$ u! n" u       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( _; h( B# T" w( F8 N$ b8 o" 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？3 h: l/ m7 @7 l) q/ u4 Y; U% \' \

0 R+ e( y+ d, n b( R1 q& V: |6 ~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* p; V2 k
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
7 [5 q; h% m1 s1 e, q5 v2 }- K2 G% @3 l& } m
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, T a) }9 o# _% K# H
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
1 q; D% u; u; A7 L' ?) {1 j. }{
* G. U- L6 T* n( x4 |% n# K. l 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