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 23:042 p) i6 [9 j: m9 m' v" M
拉下来？拉多少？
7 C8 W! W5 I9 p6 Q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
. `3 a3 { U0 ?) gMaybe 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- j" H4 b( M, L
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
7 V# _7 Z) O0 m. I6 U t{! ~1 ?6 R" ?+ W& E
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) g9 q3 ^# t6 I3 h1 s
这个不是这么比的吧。。。
& b) t0 J' I6 Y0 r8 ^4 ~
- r8 n5 p) q( I6 d' Z$ z" p5 V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 00:462 ~5 u" k! ^. H8 T" [ r; N. E" y0 }
有道理。
& y. T3 i; ~ [+ O) 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 00:202 O7 z9 A) Q/ J1 Q# r# t' [
这个不是这么比的吧。。。
: b7 I4 @' w9 X) x, N, A* J1 l' M6 a, @+ h6 o
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
- Z# v2 c1 ]1 G6 ^1 q# {6 ]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
* ~1 S: ]8 }( r# p: x; t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 04:471 M! o! p7 }9 v% i( c
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 04:472 n! H; g2 R M5 U
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
) e( d" p3 u. O" D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);
) l* N* i5 N3 h- ^/ `       std::vector < float > vec2(N);
% P% a' ~: ?7 x. c       float* b1 = new float[N];- x! }$ f8 x/ H2 I) V
      float* b2 = new float[N];# m, @# d( ]1 I6 f0 j! K

' _) S7 T: P5 f- U" F       for (int j = 0; j < 6000; j++)9 ^1 O' n; ]! c: P5 A
      {! @/ g% x* x5 \* y3 y: h5 W
            std::generate(vec1.begin(), vec1.end(), []() {! G- C% B  O5 {9 {2 C# }) Y
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;4 z7 L! ?* s; c+ x$ T- \1 g
                     });) ^( D5 `3 b0 \5 o

3 m/ b; F7 t# I             std::generate(vec2.begin(), vec2.end(), []() {
5 T, }8 l# h& N5 q+ q                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;+ Y0 b; H0 m4 W9 n3 f- n4 P: e% D
                     });" m4 X) Z$ Q3 h# F! M

/ ]# b, x% Z+ j/ u- D7 I4 h             for (size_t jj = 0; jj < vec1.size(); jj++)
6 M! L9 v% L. |: q             {
, t( _$ a8 w7 f2 H: Y" ~3 D0 j                      b1[jj] = vec1[jj];+ _6 s$ T' r, @) i+ E1 [) ~
            }
7 Z" \: }, J/ B0 n
6 Z; K1 u0 D/ x9 K5 R: G0 U; n+ f             for (size_t jj = 0; jj < vec2.size(); jj++)1 L* z; z9 c6 \4 K" \/ q
            {8 M& D! n( S4 H
                     b2[jj] = vec2[jj];
% H9 E/ N7 y. ^) z             }
! @: w- u+ c$ n  s) z' b/ O- k8 ~- q9 f1 a! {! @
            //Method - 1  N=100000 247s
' ^4 w6 _# K# c- V             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
$ ^- K5 v1 W( `  E+ S0 R" Q4 d                               / ~- h, V, F  G! J
            //Method - 2  N=100000  237s
# R( P- W4 g2 R- m             /*  X9 l. N4 T, ~
            for (int jj = 0; jj < N ; jj++)3 J$ [# i, K" U$ j
            {6 Y8 w7 C' p) F  n* @: S
                     fresult += vec1[jj] * vec2[jj];
8 g6 W$ u: _5 s  o8 s             }2 D! A& Q- Q9 H% f9 }/ y& s" G
            */$ _" |# ?% x1 t0 g4 i3 A0 d! R
                              4 _. x9 E) c# A: H1 k' X9 l
            //Method - 3  N=100000 204s( w: i! C6 \" z2 j9 ?5 A
            /*$ {5 d0 D* d# e0 q( E; J2 c1 Y- p8 ~
            for (int jj = 0; jj < N; jj++). @9 f( u" U. m* n+ }
            {, k: I+ w) a8 X4 t
                     fresult += b1[jj] * b2[jj];
1 C' ]8 c; T' t2 {/ {+ J" R             }
( I1 B7 L3 p, `3 ~2 Q  z             */
5 u) _; C' ?+ K$ c) c$ a) N7 S3 i. ?- ~
            //Method - 4 202s1 g/ J% o/ W  |, G- \
            /*- h7 m9 w4 q& ~( \' w% O- Q
            for (int jj = 0; jj < N; jj++)
8 _2 e5 j/ |+ O2 s             {' ]( f) t" A: S  K% q0 W& n/ @
                     6 {5 ^4 J& _/ O. y% J
            }
* y7 J8 U3 c8 z. V             */
+ n' y, @& J# U' G             //comment out all methods, N=100000  202s
- f1 p) b+ Y! a* L! q" h/ V7 Z       }" H& @0 }' O: ~
; i8 Z% Z; K5 V
      delete []b1;
6 p9 i5 P# Z' s. y( 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 00:152 u& q" A7 R* u' [
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？
# C% E: Q) {: u& ]3 c5 ~* C
1 U9 a5 ~2 j5 d/ X( U0 W) |$ n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
6 C% g% j g9 [* W/ 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/ h X- p" p* S$ t! z/ K% C5 c
4 P9 Z T) p7 I: A5 b- 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
7 D1 i' n# S* o5 Wvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
! x# c$ e } K5 u6 P. L) W{
# B* S5 s8 f* M4 U8 X 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