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 23:045 H) z7 H8 _2 C$ Q
拉下来？拉多少？- F& c' y8 j; i! s$ i9 F6 \4 Y
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( @+ b; O h5 Q0 ~! w0 U- ?- R
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
8 u# G$ [! z+ }; F4 b$ ]& pvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)# t; P% |6 d4 X! A# h" X
{. f/ R* n, M5 M. d* L5 E/ p
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
" y: m$ c/ s2 v0 O' Q这个不是这么比的吧。。。: v. c- O6 p+ Z- ] R
5 Q8 h* ?6 K! l
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
; I6 B+ X" G0 j- }有道理。
6 _: W/ K5 C% o4 b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 00:207 ?7 g j( B2 z# ?2 {2 o8 ~3 ^
这个不是这么比的吧。。。/ G' m. t, F6 p# e9 h% H7 l' l

# N0 N- q9 z: L ~3 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）。

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
: W( t) ~4 B- T$ |( T; k; l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$ c0 {( ?# o) e9 Z! w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
2 X2 H+ E7 h7 l' 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 04:476 X# E" n1 ~$ E, r
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
/ L/ d4 h" H- P+ G; @4 b8 [- l9 x- o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);
+ H* Y0 C+ ~5 a' C+ z  z       std::vector < float > vec2(N);
3 m7 {6 E6 t- ~       float* b1 = new float[N];3 s& @# ?. A  c5 U0 F; z' E
      float* b2 = new float[N];1 l# D6 x# E7 N0 K% v

6 S# J7 ?( L- |; j       for (int j = 0; j < 6000; j++)4 ~" s! l  x/ u: B: Q  H
      {: }6 w+ ?; }6 T5 j6 w4 G
            std::generate(vec1.begin(), vec1.end(), []() {
( s0 I$ v5 B; f2 v5 @$ Q                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
9 Y+ J  [! e! d. w0 T+ I1 T  E, \                      });
* \4 Q) E1 r3 s5 X! M% w+ `# J
+ o" Y+ ^$ d+ v: s. W& b             std::generate(vec2.begin(), vec2.end(), []() {3 J2 B* t5 F6 \" {
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
: I# h+ }4 e" P9 q5 f6 ^3 c                      });& Z7 c* ^2 \# Z( S, g( f2 {
% P# p) ^# v# i* f
            for (size_t jj = 0; jj < vec1.size(); jj++)
. M; }; v8 X# w3 B             {
6 _; ]% Z9 A/ Z0 A$ C! V. L# P                      b1[jj] = vec1[jj];
: m" i$ |7 ~: E' \1 I) E             }
9 k5 f: g) {: X: L% c" |* X9 r; H6 O( H8 j" V# o' W0 R. T
            for (size_t jj = 0; jj < vec2.size(); jj++)
# H) Y+ Y; e* W0 y/ t* @1 @             {- Z& H$ f5 Q6 U
                     b2[jj] = vec2[jj];
5 m! V& b! S$ g; B             }
1 d& o, E( V! d: @! U, i& V
5 V8 {6 d" b3 U3 W             //Method - 1  N=100000 247s  . }& d. R: {- ]7 v+ Y0 e
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);0 v( A# N# c  o5 s
                              ) ^2 |( G, D5 f: g' k
            //Method - 2  N=100000  237s) t( F* k! E; X" M9 @' ?9 b' L7 a
            /*+ P: N# T. f9 k/ v# `" J* O: C* |4 X* z
            for (int jj = 0; jj < N ; jj++)+ _" `/ M  o1 v
            {
, t# x! o0 i, h9 ]                      fresult += vec1[jj] * vec2[jj];. [% O# d, q8 L
            }
! `! E5 w; I7 A9 F( h' p" B3 D             */, L- \' x9 u1 V4 D2 S" k6 e: @

$ O& A- o- `0 z0 X             //Method - 3  N=100000 204s
7 @1 S$ n( S! p" Y, [. W2 D1 t             /*
3 w: x) c, |/ h9 p+ n: K             for (int jj = 0; jj < N; jj++)
0 e4 A( {2 F* f( w) s, q4 B& x: h             {
* N% d! V; N, h% h. j: |                      fresult += b1[jj] * b2[jj];3 N4 G) ^" A1 I' ^+ d4 S) D& F4 U( A
            }% s0 e2 @& f- q7 f/ P
            */, K: h: u( V# C# R6 ^9 \
; ^& v! U4 E6 E+ K0 G
            //Method - 4 202s, a: Y3 T$ m4 ~; ^% ]7 |
            /*
/ p/ ^+ Y$ v2 Y2 _             for (int jj = 0; jj < N; jj++)
' L. E+ d1 i/ w& m             {$ B  r7 d+ w; {% r
                     5 |* |4 u/ b1 y
            }) V& F) u0 \$ f  _
            */
3 R; T2 u( S$ A( L% M6 K8 l             //comment out all methods, N=100000  202s             ( L) y1 u+ @2 L& h& Z7 \
      }9 s6 b( }5 l5 b4 P; ?* ]
% j2 z3 v* z. E
      delete []b1;7 v' k. T0 e( O9 Q9 E6 M3 P/ H
      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; _* z, U4 v4 h6 v
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？ [: F; I4 Y- \7 G2 e8 F
, w% Z' m$ t8 H" f4 ]
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; Q2 K1 e2 Y' T: \8 ~' Y( U2 p
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、LOL7 M2 N- [9 }' S( h6 d% G, @

4 C" t& e" I+ f$ V2 n# w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) M# z! J$ p8 ~9 |' v. n
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
. r/ V0 ~2 ^: N/ {{; g H+ L9 d) P1 w$ 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