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
! P8 [1 b c9 y5 j* n0 p' s! T1 c拉下来？拉多少？
: [& d6 X! h5 m( f' Y l+ Z1 ^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& X, e7 O6 X* y$ P. Y8 _4 a* x8 F k
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. ?7 }; ^& nvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)# \1 K4 p! k/ u* Z3 S ]: a p5 T# @
{
& z7 ^0 r0 \' t l& n- ] 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% i2 D3 ^2 R4 V
这个不是这么比的吧。。。. Q% j5 G% w5 X4 p3 O: e( Z
' c, ?# \' {, }$ u' {3 \/ D
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, c+ z, S2 T6 A2 K6 Y
有道理。0 ]+ P8 F7 d* |$ S% 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
( Y( @0 e0 B" K" K# R' C* o |这个不是这么比的吧。。。3 m- t, A$ Z: G" m
4 p c6 E' G3 ~6 S' f( Z0 J- O
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
% U6 ^( l/ x5 ?, M. w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
) K0 m) u' ?2 d; V6 u* H5 B) z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
+ B8 e: x- ` K4 N+ _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 04:470 F! O/ n7 U2 ?/ 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 ...

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; h# D. L' ?: T1 _- R: Y
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);
  e4 l  q. ?; r: P       std::vector < float > vec2(N);
. W2 q: f) o. h/ Z9 J       float* b1 = new float[N];
5 V& U; w2 |9 D3 z, Z9 {       float* b2 = new float[N];- i* q$ i- f2 n

, v6 A2 N$ g$ W  W+ J+ M       for (int j = 0; j < 6000; j++)
5 ~% m8 B. u1 `; q7 q6 w       {
% A8 @' b5 {! O5 _+ p' |             std::generate(vec1.begin(), vec1.end(), []() {
* C0 c- |& P1 A                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;2 b0 [  s' j7 l' b. z! t; _# z
                     });
) N, D! b/ z5 V+ ]4 q$ h, w. O. I
# D- X8 W0 z: F# Q( E  k             std::generate(vec2.begin(), vec2.end(), []() {7 k1 v' m4 o$ U$ y
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
1 s3 d  M: f) a* @( H                      });$ {8 n4 D  }) v% s8 i9 v  r* [

/ C( d# m5 t$ z# e0 H9 j4 M             for (size_t jj = 0; jj < vec1.size(); jj++)
: M0 T: H) j% q4 @* R; e1 }9 ]! U             {' t2 @7 u# v7 p' A9 v
                     b1[jj] = vec1[jj];
* `: h. C3 S$ R             }8 M) ~: i+ ^  V# w2 C

7 r+ U$ N0 H, B6 t) L             for (size_t jj = 0; jj < vec2.size(); jj++)
0 s6 x1 ^8 i' f9 r* h  P             {% Z% U! J2 ]) z/ {$ O
                     b2[jj] = vec2[jj];
9 O2 c; G) z; i, M8 _# }( l5 Q             }
: d# P& Z$ m$ k7 F9 ~' x, ^$ k/ l0 f" v4 }3 d& D
            //Method - 1  N=100000 247s  & n5 y& [, @. w- P  n
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);; Z! q+ W3 ]$ ]0 B  ?: U2 H
                              ! P6 y3 Q+ |7 I/ I. G# j
            //Method - 2  N=100000  237s+ E) H+ q4 ^& N- E1 @/ S
            /*
6 ^  {7 d) y/ O, F             for (int jj = 0; jj < N ; jj++)% i6 K: F9 r5 @9 b" w  g. C
            {
  G3 o& [: N1 T. G5 M0 N                      fresult += vec1[jj] * vec2[jj];) M( h6 q. U% T, Y6 P, {1 z. q1 R
            }
: W1 D) d, E- z. D) T* y             */7 S) \. H% _2 K& j
                              " w: \1 W' f' ?' j9 q0 O5 S& Z* v7 {
            //Method - 3  N=100000 204s  i) Z" m" y/ o) a0 B( m3 q
            /*% h# \/ m3 i8 j# _4 E
            for (int jj = 0; jj < N; jj++)0 ]/ e1 n. C9 i( m: {
            {
; ]1 R% C: |' ]- J                      fresult += b1[jj] * b2[jj];6 m) r  t7 h% Z' P6 s& @: D: ?
            }
4 U$ L8 i3 p+ {/ f/ I4 z             */
8 B  Z  S, @0 ^
) j- ~* K& a; D! e             //Method - 4 202s
4 |( K! W9 v+ \7 O             /*
4 Z; j( l: l. P3 A0 L             for (int jj = 0; jj < N; jj++)9 l5 f; j1 N: K1 t: ?- d! R* F
            {
6 w3 r& `# P. f" R3 ^; d
* w5 @: z1 e+ m             }7 D5 `( y/ C9 Z& o
            */
2 m$ u6 @* q4 L; ]2 ]) ^8 Q; p             //comment out all methods, N=100000  202s
; H# o8 Q9 M# p4 j+ f       }3 h, O9 |6 ?1 T' u
9 D. b. |$ j. \: n$ ]+ v
      delete []b1;. k/ \- y) B0 W* S; j( g
      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 S) b* h; D( B# R/ @6 Z3 G
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？
; \, @& E) j: L! X
s2 x* I* g$ t; @' |4 i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: A$ d; y% I: 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$ T p7 b( V$ c! D8 Q

2 w) \( D% E( M6 o. b( |% i+ J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 23:543 C' @$ x9 j5 Q2 x' {
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)/ Z& }+ m7 ~2 V1 Y5 t" a3 Q( W
{, P0 R/ O1 i4 r! R) @3 `6 D2 _
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