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/ ^/ J" ~0 p. }# z" a6 Y" u8 G
拉下来？拉多少？$ y) R% q# U! c( v3 x) G
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! f' K s3 f" s# P7 ]2 w# }% `
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; H; [6 V, b! E( i& c
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)! X# F+ o& M6 A, m
{
, x# m) u3 n- H9 C6 R 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: e1 q* g0 ~. m o2 E% z
这个不是这么比的吧。。。
' Y) t! u8 E# W; V
1 J# J3 N7 d8 O! b$ H8 w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 00:467 D! H2 D8 z& F' S: i: h' |% A
有道理。! p# N0 [+ K0 z
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
& X8 R" g9 i9 W这个不是这么比的吧。。。
, Y+ ]' _. w! I' r4 ?9 O) R2 i
% T% _1 z/ F( [$ Y2 t8 [! 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）。

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: N5 `/ _( }. F+ A4 E& C, e! g
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 Z9 Z5 y' o8 N H
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 04:479 X) _/ i: U1 a( C3 f3 }3 V- s$ Q
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
% |2 O9 E! z2 W, d2 e/ E8 @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 14:585 g' K; k+ I$ L% n( `4 Q3 ]
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);
9 ?8 E0 ]  a' F, h5 S- O" h$ T* F       std::vector < float > vec2(N);
. ^% U* M: i7 t       float* b1 = new float[N];1 V: V4 P( N3 p. p" E* q
      float* b2 = new float[N];- e4 L3 d2 d( n6 A# g- o5 q9 D1 J- j

+ a$ e" F  w  P+ ~) P3 e       for (int j = 0; j < 6000; j++)% D, Z6 j# L4 D' H& T9 u* L3 f
      {
, X7 R# d7 P( A8 J5 u             std::generate(vec1.begin(), vec1.end(), []() {9 J! D3 m7 ]7 _4 r
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
, l; G$ i% ~: a                      });
' i8 T- `  B/ t
6 E4 r0 e) Y& q; j) s, @; h             std::generate(vec2.begin(), vec2.end(), []() {: t; d6 B6 j* E
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;/ a; Z, q5 T* P, F8 o. n
                     });
4 n/ V" j: v/ ~& E5 K$ k
  Z5 ?& P3 g. H; ?" c* E             for (size_t jj = 0; jj < vec1.size(); jj++)
# r6 m5 g, x( ~0 p6 Q             {3 W. Z& H: a! ~( g: \8 k$ N
                     b1[jj] = vec1[jj];
3 @, r3 ~8 f4 O             }& T/ r/ }! V; B% h" D( P
3 x- P* k" j1 Y& e8 L2 n7 P9 Z. N
            for (size_t jj = 0; jj < vec2.size(); jj++)+ }& M. h! ]1 h  D( c- s
            {: ^: L( M8 y* ]7 W( f$ K
                     b2[jj] = vec2[jj];- N9 ]+ s6 C+ X, n  m9 M1 }- g& y3 w
            }$ A3 t5 P# {! I. u5 N

* ^8 m" }; Q, _5 c             //Method - 1  N=100000 247s
- e- W$ U& ~" f5 x4 x             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);2 z- L, v: U1 n; _

0 H7 P! P$ C! f             //Method - 2  N=100000  237s
6 W* S5 O4 g% Z; M! [             /** }3 A% A+ h. B$ j
            for (int jj = 0; jj < N ; jj++)- K# k, G" o; t  ^2 G1 F
            {' H0 c3 F% M9 P7 i
                     fresult += vec1[jj] * vec2[jj];- N3 V# ?) b0 A9 R. ?' n
            }( ?9 i- Q, x3 Z. N5 i2 O; }
            */
/ f; ~+ }- }' {9 S+ T- `) {                               ) h/ |6 H. f8 ^  t2 }
            //Method - 3  N=100000 204s
, [* |3 g& l/ K. s# i! J  J             /*
8 Y1 `  b0 i* K5 q4 K3 M; J             for (int jj = 0; jj < N; jj++)
6 X( H, B2 {3 H* e* m. {             {
  n  T# o' B8 T+ [; x8 s4 \+ ?                      fresult += b1[jj] * b2[jj];
+ R6 S6 p& _; e% q' W4 ?; |: Z             }
& q( {7 L5 M4 q! a$ {/ h# g             */
; O) Q/ m2 f' ]. a' P( r* E& [) }* l* H' i2 r' d1 z( ~! P; L
            //Method - 4 202s
5 |! `/ f) g2 B             /*
% `7 a, p% o/ Q5 q. D             for (int jj = 0; jj < N; jj++)
9 Y1 Y0 @3 V. G, ?; U' E/ p             {* z. r& U4 o7 }7 O& u) h; C

8 J  c, \6 E% X$ }             }
3 P: r5 m  ^. O             *// z/ @: a- [8 O
            //comment out all methods, N=100000  202s
1 ?: l- D8 c& U  W2 }       }! S. W% z+ L5 C- s( X$ I

4 x+ L7 i6 L! |7 W6 V       delete []b1;6 W" n, {4 g$ f. m9 s: q& C5 v$ Z
      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 00:150 [ E9 O, B3 Y+ n- p
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？
4 B- W1 |: F7 n. _; W( {- \; s# K3 }+ {: o+ u
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 01:164 a3 @$ O( l. t
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
* ?, e& F6 x( D# T, ?; [/ \% x
0 J& K. T3 g0 w, g! [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 23:540 B7 y- v! `1 C
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)3 X) v+ @7 R1 }8 W5 R3 S" L+ t
{
; h5 o- ]- X! T# D* x, q; R 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