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
/ g( u/ F( o7 _; V' q! n6 W拉下来？拉多少？ O' Z9 Z# J @ K
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, [- y- E3 O+ C }1 y 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) A: I& b ?' `* f) O$ V
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
0 p0 \1 u: K" j9 W! ?) Q{7 E# @5 |( n2 K& ^' t
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: I: g* P' x/ i# X' ~
这个不是这么比的吧。。。6 a8 d7 F' `% ?8 c8 t7 S

8 V s7 Y) n; R: I4 d: m# K; K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
5 @+ a, J- \: n4 i' {# T5 F有道理。) r i+ c/ O' G* 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 00:20
# B) d6 w8 a) R( h这个不是这么比的吧。。。
9 h3 l5 a. {9 [$ b% m
+ w0 o \. t' g* 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
4 n& _. A9 r @& P# y$ f- l+ k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
# R5 X& u8 @9 Y: O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 04:476 N) I, Q, \7 f7 g) 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
/ x" P4 K7 n- k& p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
3 k( u5 [/ L8 _0 _# n( B$ q' ?# V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);/ {1 ]3 H  P" K$ \, ]# a2 b% l* |
      std::vector < float > vec2(N);
# y7 T' [6 b# C2 z& c       float* b1 = new float[N];' G, P/ ^8 P' a  W/ u% H
      float* b2 = new float[N];4 B$ X, ]5 r: P) N

5 S( h/ f% k0 d2 i2 z       for (int j = 0; j < 6000; j++)
8 n7 ~7 T8 b- {8 o3 D+ I       {
$ w7 h/ d: |+ n             std::generate(vec1.begin(), vec1.end(), []() {! \7 W* x) l6 ?' h
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
) g6 }$ U* Q, w                      });: `  X+ o  V& |. ^
( x# x3 B/ H, `+ ]) I
            std::generate(vec2.begin(), vec2.end(), []() {
0 f0 w# n2 k% `9 _+ r                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;& U7 S' N4 S+ H9 {2 M4 L# J" }
                     });
: M+ h: \& G2 x: \5 Q2 O! b, e3 e
  F$ c+ L! O! B$ ~( `, g- C5 [             for (size_t jj = 0; jj < vec1.size(); jj++)
- a) o4 c' h1 T( p, [0 y- b/ F             {* H" l$ r) N9 N  `2 S8 U& f$ R# O
                     b1[jj] = vec1[jj];
! k' s; ]1 u$ a; Z: Y             }
, p1 q$ Y& M0 x0 O8 M
1 f/ F  ^3 h0 P: d+ X2 L             for (size_t jj = 0; jj < vec2.size(); jj++)' L% l$ m* V' Z/ p' {. r
            {
& i! H) K7 j) S5 _& J, r/ n: S$ c' N                      b2[jj] = vec2[jj];8 L0 ]# c% y! U( _
            }- e& {$ @8 A! u% q$ i& X& h1 a

1 B  H# J' R9 ?; ]) f1 F: ~! \6 N             //Method - 1  N=100000 247s
; C2 g* ~- l$ Z( X             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);0 m1 }( d/ F3 ]6 p  M
                              4 d+ k2 |7 l& `( K; [) }- D- S
            //Method - 2  N=100000  237s
% {# V6 w6 u% O7 P/ G7 K7 @             /*
8 C7 R% E6 k) M) E0 g             for (int jj = 0; jj < N ; jj++)
/ T$ }$ D5 `  f6 q+ T             {
) i5 _  W! r6 K7 l4 |                      fresult += vec1[jj] * vec2[jj];
& ?0 K  m( ~$ b; E- S             }# Y3 t1 a' ^  h3 W$ S  y
            */
' X& {2 E8 k- M5 f                               0 T* G+ Z/ Z. c5 Z. D" f$ K6 d& b
            //Method - 3  N=100000 204s$ f* j' `# _: v: L2 S( p, Z4 f
            /*
6 u8 j, s; s5 R             for (int jj = 0; jj < N; jj++)2 u, T  |; C9 D* F
            {
) L$ e3 Y8 V" m# [, Z                      fresult += b1[jj] * b2[jj];
& I! p* V0 i3 e" U             }1 n7 U, c  F0 i4 g( [- B
            */+ ^. T6 A* [# t0 Q1 X6 r) m6 U

$ S8 a6 L0 I$ O. F0 i# q             //Method - 4 202s' T4 D9 A8 h* \$ z. ^
            /*
4 a3 v/ _4 L) g# P             for (int jj = 0; jj < N; jj++)
6 U  ?$ d# |/ H; U% w             {% B) j/ c! m# g! ~$ g0 j
                     . u* s& ]3 l, [- t( _" l0 }
            }
- |: Y- B2 q( a7 a7 z, v: m8 f             */& {0 l' H" B" m7 D/ s6 _0 t
            //comment out all methods, N=100000  202s
: n# r0 X  X4 o$ u       }
# r8 C3 V0 _* N0 m6 k! R0 c! V# f% y; n5 f- g1 t- H
      delete []b1;* L) }. B, B/ 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, \' R$ r3 |5 p, h: R) 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？
- | ?. k/ r4 g! ~' T
" v/ l9 L3 G) m7 {6 D7 E. K% E/ ?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% o) O8 I  n  i6 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; v3 e# B  ]7 E; J

, U8 ?- ?, E' |/ F  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
6 A( k' E+ Q4 f4 f- ^5 bvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
2 L- m! u. K# T6 _1 z, q{5 F# ]5 |7 L ]8 ?% O
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