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
" s) S. X+ t& o拉下来？拉多少？5 ?" w8 O# u# M' R
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+ r! M0 a& L$ O9 j
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
9 s4 Q: {0 O8 r* u ~) ivoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)+ \. j" q0 H7 E6 B8 L: r
{" D8 T/ Z: g2 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
6 T1 O4 ~, V  @0 s这个不是这么比的吧。。。
0 F! W; A  i! O" S7 _/ t) D
9 p3 m  L1 L7 q) P, G( n; B: T2 a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; k! g! X( N9 S7 f# B
有道理。 r5 X7 y" O9 U5 m
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
4 e7 m/ F3 J$ Y这个不是这么比的吧。。。
$ Y3 l1 m. z' ^0 h5 e
7 j* O9 S! Z1 B" ?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; f, F* m. J( a: z
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% k6 X `* Z( D) ~
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
) t$ {+ ]4 z7 ]. z# f ^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 04:471 t: D3 \9 z m# 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 14:587 e% v8 L' q5 p4 V* c& x) w% [# j- 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);& k4 t3 T+ ~1 a# b& r6 `5 G
      std::vector < float > vec2(N);
3 v. Q4 [9 o$ ?) M; M       float* b1 = new float[N];
& Q4 w9 }) F: U8 @9 y- _: Q2 I0 \       float* b2 = new float[N];0 e6 Y6 i4 p6 x: Q% m9 n( Z

4 _* H& I4 d" c) V' K% Q: K" m2 j       for (int j = 0; j < 6000; j++)
7 a6 v/ f; m! G% g- q  x       {2 s4 @0 K7 R) \- ~/ [5 u
            std::generate(vec1.begin(), vec1.end(), []() {
3 a, c* ?2 S) `1 w/ K: V                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;5 n( N6 l0 X7 E
                     });
! \! z! e  H" U2 V* P: `
3 o" p2 p: X2 k3 Q5 a4 o) p             std::generate(vec2.begin(), vec2.end(), []() {: P8 @% ]8 M6 _8 d3 a- T6 U
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;4 r8 a! I, @  p. j
                     });% r* P; d, O- E, S0 E

& ?% Y6 \. m8 P8 q' j& W8 Y             for (size_t jj = 0; jj < vec1.size(); jj++)% j1 A% x$ O' f- A
            {; `& e' [% U7 t. V4 b( A9 |
                     b1[jj] = vec1[jj];
# Z, Q' l6 r6 F% `! K! Y; ?             }
6 i! e- ^* U$ k- Z9 l% f! x
- H2 c: L& X/ u" ]1 V             for (size_t jj = 0; jj < vec2.size(); jj++)
, t' l7 z6 ~3 v' X) B: i             {
" s$ s2 s0 M- d  N. l6 \3 m                      b2[jj] = vec2[jj];8 k& D6 G: V& v) |" v
            }! w! Z7 G& r7 w0 ~7 D2 F# x

/ m' C+ i# K' ], `             //Method - 1  N=100000 247s
1 G/ M  H: j( `5 U% y             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
" A. k, z2 [3 v& C
! s8 B) j  Y& O% A/ l             //Method - 2  N=100000  237s
2 a# H( `  I& k! W             /*
' e  N2 i2 `' `- i             for (int jj = 0; jj < N ; jj++)
& S: l8 H% w! C4 B9 u) v3 v             {1 g- D/ M0 f% A+ M0 @5 X" r% k8 R2 x
                     fresult += vec1[jj] * vec2[jj];
. w$ z3 G8 x  |. n) }9 }$ k             }
# e5 t# `  m2 L- R# u5 o; `+ o             */! D5 M0 W# Q, l  X
                              ! b# a0 |5 a: E! O
            //Method - 3  N=100000 204s
/ v! ^( C! X6 e; A             /*
' ^9 v$ m$ K5 k$ p& _1 ?" A& f             for (int jj = 0; jj < N; jj++): m) C6 O, U0 P6 c; M$ B! i( y
            {
& C; E% n- l+ r                      fresult += b1[jj] * b2[jj];
6 o# E; Z9 x- j             }
& o9 x! F% p  T  M! J! `) {- a% K             */3 \8 \7 v9 p8 C9 I( q
9 ?% m, E& @' e1 g; v( Y+ E
            //Method - 4 202s
/ \' b0 s! t2 {% M0 O6 M             /*
. X6 c) }5 u( \( Y6 A6 ?9 E             for (int jj = 0; jj < N; jj++)
5 W0 V, {4 B6 W2 g9 O- K0 H9 f1 K! B             {' M" }8 I% B* E3 l/ M

# x" C! `6 B$ ]& I  V             }
3 W6 |2 F# a; U) R$ y8 S             */
  q2 j+ N: t( j9 l* G/ }             //comment out all methods, N=100000  202s
- W0 Y: ~- y" U       }
9 s3 k. `" e6 g& ^$ I! C' a/ e2 f8 D( l4 e% q+ V
      delete []b1;0 q% e) T- ^. k) N
      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
, `: \' m" ?6 V* D+ h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？
6 Y* G3 j9 X# t
+ R: s1 @5 ~6 l0 b( w5 @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
2 A* h; o0 q$ v: Q1 r& M e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
0 Q2 ^: B4 P( E& v- X! x0 R2 S" u6 r) ^) s7 j. U# p
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 23:544 u9 A9 B4 j q6 I0 T7 ^/ z6 Y
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)6 F9 ?' y4 ^+ R0 k0 F$ W
{0 o. U, x. X8 V& p: Y' T5 h: x+ G2 T
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