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
9 x: f; [7 L+ F: c) I f1 B& A. `/ ^拉下来？拉多少？
4 \$ V1 ~3 X; b7 W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
/ S" l! u5 w4 S2 r* ~) pMaybe 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% N/ v% |. r' B
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)# T. O7 i/ k) y# P, f7 j
{8 @) N) W: q# L
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
4 c; V% p( m2 W. P: X M这个不是这么比的吧。。。
) ?8 }3 ?7 ^3 p
& |+ x; L2 n7 r& r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
; p8 W' W/ K+ i6 J, r; U2 v有道理。
$ j7 w( L1 j9 q8 |3 Z. L7 R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
3 k7 l$ m% U" V1 q, h5 {这个不是这么比的吧。。。' t5 v; J9 b3 K2 \- S9 z3 }
! Y3 }5 ]% X" @) f! T4 c
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
_: S% [- R6 ]' y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 01:279 }# P3 V; o9 A6 p
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 04:470 {* T4 f2 ?9 @1 I: 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 04:47
/ C0 p- K, s5 _1 o5 s7 ~* J5 M( X# W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/ a# C6 X) d' g8 s" k, g
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);4 A# G+ _7 D) w/ E
      std::vector < float > vec2(N);
( H. ~/ m7 i5 c) ~       float* b1 = new float[N];4 W% I; b! d! y2 W) i. `
      float* b2 = new float[N];* J) q* D- H3 ^; h( I; p, i- R

7 ~' Q& \3 ]8 _6 V+ P: Y; [0 s1 b       for (int j = 0; j < 6000; j++)
" B$ Y' ]7 _4 O% x4 w" b       {
; T! r2 c% W4 k, s! a             std::generate(vec1.begin(), vec1.end(), []() {9 E8 \& L4 w3 d  o  X' K# t
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
- O5 Z! P# S; H$ u9 D* f                      });
" x3 H. S& b0 P& c
8 ^: ]! u8 u. D- X& g             std::generate(vec2.begin(), vec2.end(), []() {2 ?2 i" m6 L  c  s
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;7 `" E3 N8 [. p, M
                     });. h% L8 S! f& {1 O' M

* x' b2 J9 x* ~- m! e# }$ `7 Z8 B' I             for (size_t jj = 0; jj < vec1.size(); jj++); A$ F) V" j- l8 Q1 ], L- B
            {7 O: ~5 _( [8 K2 x
                     b1[jj] = vec1[jj];
4 g, _- V3 M- K             }
8 O2 K! g% _: |* N& @% o$ `# K6 L) \: @
            for (size_t jj = 0; jj < vec2.size(); jj++)
: o% Z. g  u4 R* W+ P             {" V5 o. v  Z& p0 G' m
                     b2[jj] = vec2[jj];
3 D$ |: I2 T" B/ V# {, R             }. n2 P( r8 o" K3 Z/ h& s- ?! v6 n- Q
) I9 M- z" L7 _+ s! b2 R9 y
            //Method - 1  N=100000 247s  , X; j3 V7 B& M0 t0 [
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);

1 e1 W. i9 o% B             //Method - 2  N=100000  237s. I# C( b6 {8 @6 L, s% r! K
            /*( X1 Y4 p& _/ Y$ y. J
            for (int jj = 0; jj < N ; jj++)9 ?& l/ ]$ Z3 P5 U# W& C" d) e
            {
7 p2 Q& Z0 x( z* _+ A. n                      fresult += vec1[jj] * vec2[jj];
- q& M% n# Y9 j/ C# d7 j             }
. U6 k  X! R" |7 A# n9 U  ^             */
8 T2 r$ u$ I/ g- p+ `                               ; ~/ s8 _5 q$ \- \7 S  j
            //Method - 3  N=100000 204s  l/ |8 z2 G# ?4 a7 f: g8 ~
            /*
1 V$ J4 G  A( {4 i9 c$ {             for (int jj = 0; jj < N; jj++)$ j2 a( B! {  ~0 P2 V, _
            {
" i) E! [# w% n" d" D! V+ {                      fresult += b1[jj] * b2[jj];
: |3 i! J/ K3 C1 Y             }8 }; L' C& f# J7 I/ v8 q% b# }
            */
- Q& B5 S, J" s. x% F0 v  v/ e/ K
* t+ f5 m3 `3 m  p) N8 O             //Method - 4 202s6 c& l$ `# W8 U9 M! J  B' g" h
            /*3 m4 @7 G; Z8 d2 R# F0 o5 J9 o
            for (int jj = 0; jj < N; jj++)
% I! W% I2 n& T7 `             {
1 W% Y/ g$ r6 \. w- P4 ~% j                      * x* P0 V# p" ]: e- j1 `
            }
9 r, x7 w' \$ z             */
# m; g* ^* \2 c: }" r1 R             //comment out all methods, N=100000  202s             ) j- A! p& D9 S/ ^# D7 s' [
      }( u; d! D6 u3 J$ w3 ]/ X

1 ], Z  x/ [0 h1 a, |       delete []b1;
4 G9 Q7 Q2 ?* k- |; ^  I( _: T       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
2 b' F! Z* _) @& s O" o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$ n9 U, I/ Z0 w: Z5 {" \% E8 W1 |. A. e$ Q
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 01:160 s f+ v# S P/ r& _7 O1 _- |: W
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、LOL9 \2 ^/ @; _& J0 z# n; |
* C, [ D6 y- a3 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' D) B H. U& o2 A2 I
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)" L- c9 M6 }! t8 m1 T& K
{2 T& d3 M& p' c1 o0 F
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