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
& E- S) ?$ C3 A+ {* n$ f1 ]拉下来？拉多少？* g8 r; w R$ W9 a( B
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 23:333 O$ c! H+ p: j% [5 P4 ]
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: s, t8 g' A- r
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)6 j# W* T, X8 S4 Z/ s( `
{
7 K2 L2 e- V, Y4 J& t. w% z: z8 U 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$ x1 ]7 f# N0 w* \1 d) @& ]& u
这个不是这么比的吧。。。+ F; M8 D4 t( S

% |% k: Q E9 h) E7 e3 ~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
+ n8 X; M; J; B% R有道理。. A1 e) q* f0 B! o5 B/ K4 o/ }
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 00:203 f4 a4 C9 f* g N# ~" q1 E
这个不是这么比的吧。。。
; P3 }2 o2 t0 r. A( p. C( M$ X" B7 U Q4 p
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
# x4 o$ @0 ~4 ?9 j; x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 [( h% D. |& J' `* B3 ]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
9 h# W S, p6 I9 M& y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 s. Q7 P9 n5 S k5 L2 H. 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' c+ s) v! @! ~$ r4 f! N
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);6 ?+ S, U$ h! M& {: Z3 [. H
      std::vector < float > vec2(N);9 V  Z9 K6 X/ n
      float* b1 = new float[N];
* |  h0 {1 |7 J' R. w; Q2 {8 B       float* b2 = new float[N];3 B/ O* G0 [6 U
% o4 J- P+ H" _( K( z# ?) p
      for (int j = 0; j < 6000; j++)
" }4 Y6 }" C2 L/ |* n       {8 M$ L- ]4 Y/ {9 N
            std::generate(vec1.begin(), vec1.end(), []() {, W& n( H2 O3 N' T
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;$ }3 O, I/ [, E# B
                     });# ~& \+ B' a* v9 C; |
( `* x/ w- c1 b. L- |+ q; E/ F
            std::generate(vec2.begin(), vec2.end(), []() {
  C: y5 |6 U- `2 N                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
  H3 H: [  ]. v* |: ?                      });( b/ n' _, y0 L- B, W0 W
* ^+ }8 W* G! u
            for (size_t jj = 0; jj < vec1.size(); jj++)
- @$ i3 _$ C1 J7 k2 s" T             {7 E- G  c- y5 `" C8 j$ x$ P8 b
                     b1[jj] = vec1[jj];
* _/ s! a( D% s* N2 C; `             }
2 k  ~- B$ t/ D5 ]4 P
3 V) \5 e, K! n6 i9 L* ?             for (size_t jj = 0; jj < vec2.size(); jj++)
) I5 D/ n, [- S: q             {7 q: ?' n" q# b5 A3 W  Z
                     b2[jj] = vec2[jj];. F3 Z  x' }, p8 h& c
            }
& H; B. y# g4 L. s: h3 R/ z) o& F; P/ A+ U
            //Method - 1  N=100000 247s
2 i4 Q+ n. S6 ^+ d$ u             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
; I) G' M, |. F  C/ S+ A& T8 r                               ( A: A, Q# d  e9 w
            //Method - 2  N=100000  237s
2 l+ e( M, U6 }: c; _             /*
7 s. \1 m6 R8 I/ `! U4 ]             for (int jj = 0; jj < N ; jj++)
4 Q( V9 X& B  n/ [- G3 ^5 d             {0 O' C; d, I$ `2 t
                     fresult += vec1[jj] * vec2[jj];
" D% K9 j. e; k/ u4 X             }4 i, n- s" o4 J+ q# f
            */
  z( d+ \. W7 X: `$ C+ s. u5 U
+ p* d* W, T6 y, J% k) C             //Method - 3  N=100000 204s" B* B; ^; G3 ^; i/ g2 g" G7 b
            /*
2 j9 v3 N, U6 v9 Y; S( S' z$ a             for (int jj = 0; jj < N; jj++)
: R% X1 L( f6 ^+ A7 b  Z( E4 n/ I             {
$ a& G- G1 x7 v- f                      fresult += b1[jj] * b2[jj];
  K' b' ^4 E+ V4 \7 H+ u             }
7 r% T% e, `' p* d             */
7 s2 \0 }4 Q' b" S8 r. G3 h2 ^2 V7 P5 G- W+ n
            //Method - 4 202s
1 ~+ }2 o$ ?6 a3 l             /*; P9 M& z/ Q. h0 y
            for (int jj = 0; jj < N; jj++)
2 q" C8 @  H/ Y% s! u9 h             {* W9 f% C4 {% {! ^
                     7 F3 t1 \* j8 v& T
            }
$ l: H, d2 p5 P0 V1 u- w2 G             */
% h% v- W0 R0 }( P1 t( S: j             //comment out all methods, N=100000  202s             5 Z: o; @8 y$ q: I5 G
      }
- G, h% t; r3 c$ z- Y/ r& b8 x) s% d, @: E' |; Q: [
      delete []b1;
$ z, A$ O9 |6 N$ w       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" f1 q+ N# T+ r% V/ m/ K
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？
% L9 i7 P1 j3 q9 X$ J$ a& v- Z# u, m$ @" d/ o
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 X% x7 D. V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
, s8 H6 E+ u2 p$ j2 N* }) q7 P3 z. C4 T3 c5 N
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
5 l; l- P. ^6 l) \void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)0 Z2 W) X8 ?+ j9 H3 y. [$ A; p
{
. {) j( I0 P5 e* H3 G* z 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