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( |1 y, v5 a4 `/ r! P3 J+ O
拉下来？拉多少？- w3 h/ P$ |$ ~+ o) c6 C
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 23:336 \% ]$ e. ?, S! U, J6 H
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
1 s$ l3 P+ S1 I8 Z/ P& B2 T" Svoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)1 m5 v8 ~6 f+ g- Z
{
0 n1 M4 \ 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
5 w( m  @' @/ |1 j& G6 K. p这个不是这么比的吧。。。
  {( d" b! Q  ~& a( z, R
" K7 f  d  z- Q, i! X+ X! 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" E' e t4 L- P+ K& G- H" Z
有道理。
, L( t+ M3 s7 @; n; Y! p& D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
% q/ ^/ w+ |8 x3 U8 m& D这个不是这么比的吧。。。% d# A t! L/ l; U

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
/ I1 v+ B" B1 m& s1 g1 e) ^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" l% P ? p8 e! I* ^
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+ `3 x6 g- T6 J3 P- G# y1 u, S
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
+ i/ M: q" o. O# b; G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$ O6 j' S! c7 g5 B
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( R1 P0 w1 z
      std::vector < float > vec2(N);
, Q! G# Y; a; q; c       float* b1 = new float[N];
  S* `  b' B  h       float* b2 = new float[N];
+ v( S; b4 f6 a$ Z; S
* f+ E1 K0 Y7 A9 G3 V       for (int j = 0; j < 6000; j++)% |& Q4 ~$ B. J5 W
      {; r. `$ X6 [; u6 ?( V9 ?
            std::generate(vec1.begin(), vec1.end(), []() {
# s% O0 }9 ^" J, [% w) `. r. |                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;, b$ a* [# H* H9 A8 u
                     });, l* c' J  S! S1 N* @
+ N- c# W, j" @
            std::generate(vec2.begin(), vec2.end(), []() {9 l6 l! m6 h2 v6 u
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
2 ~" v( H4 k: f/ }/ j                      });
* S, d0 M, z% T" n$ V- F; L1 G3 e# }
1 X/ ^! j3 ]$ v$ T0 q1 X             for (size_t jj = 0; jj < vec1.size(); jj++)9 g  M$ Y- {0 Q7 u6 T$ F  ^
            {
2 [" ]+ F$ Y/ z/ o% `                      b1[jj] = vec1[jj];
7 R" b' O- H, h6 C7 d; E/ Y1 f             }3 t, h* Z) z: }9 u- a, c/ c
- i' Z  l7 G, a5 G7 z* m* H/ g
            for (size_t jj = 0; jj < vec2.size(); jj++)
' Q, ]1 O* K7 h# j$ [             {3 x- C2 d3 |( |* t" c
                     b2[jj] = vec2[jj];
8 G  C+ Q0 u# y7 h( u' D) }+ E             }. X$ q- C# R& ?. e5 V- Y- r3 ^! g( e
+ K3 }8 {' U: b  R. ?
            //Method - 1  N=100000 247s  / k, N- i( u4 f% c* `4 c: S
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);0 u9 {% ~$ `! I: M7 d
                              0 b' _, s% ~/ u; Z! N
            //Method - 2  N=100000  237s6 u; q5 ~% W6 i- q6 |
            /*9 a) P, O' L/ z7 S/ c
            for (int jj = 0; jj < N ; jj++)& h3 w, _) O4 Q6 _5 P, c$ N1 }! [
            {
" I; o7 k! d" y. P, _                      fresult += vec1[jj] * vec2[jj];
" m' O! w: v5 U5 ?- Q             }
1 F3 }3 b" B( Q; C             */* a3 J* z9 n6 y; r) U. c* c6 r# ?

; @! B3 J; z* F) n$ `             //Method - 3  N=100000 204s  o# G0 {( u! n
            /*
2 B1 C. v+ z% [& @/ V: d7 u* [             for (int jj = 0; jj < N; jj++)" n9 {/ U/ B$ M$ {( ~. R
            {
0 A; [7 A6 G( ~7 @: n/ U                      fresult += b1[jj] * b2[jj];
9 T5 P* B  H+ t# N             }
4 h% v3 F8 \0 |" |- n/ s2 w! F. k             */7 N4 u+ j( T  @: x

& I. D) B4 e  Y" w* Z4 Q! Y             //Method - 4 202s  R) B; [" T; j" |5 t: ], x
            /*
5 o0 n4 r' e# D# i( ]* M6 I' _0 o) Y4 v             for (int jj = 0; jj < N; jj++)7 m$ C8 w& G0 d, h2 _; M
            {
3 u: w0 j6 D! z
+ X% H8 E" n3 I# [             }
2 |2 z, C8 N  }3 Z9 c4 R             */
! z: n) F8 w0 S' ]: m             //comment out all methods, N=100000  202s
% s0 m2 V! z3 h( t2 O       }
% S- y: l1 a: x% H2 l) V4 E
6 D. M9 c% z$ r9 n7 O1 v' K. x       delete []b1;
" z3 Z% J/ z) v& \% 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
[2 G- g; G* g2 Z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？. u9 Y' X k" k/ U! u6 o1 S

! G8 G4 [2 X3 B+ ~# B" K! c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- c* L8 R C
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
8 F! @# }. H; i7 v& v% F1 g& s0 W/ p& t0 K. E: N9 p+ _# J
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
: m5 j- g; |3 n/ ^void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)( z" ~6 y% T8 t
{8 J) }' m4 k) A& g* Y: y2 k
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