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 23:049 N5 o, K2 M0 ~# @: R% E, D- B
拉下来？拉多少？
+ W3 X! h9 E# O$ r: d) ? ^! q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$ M! I z) Q5 c' m( Q6 d
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& q& K! H! r, C
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
& Z+ g) e$ I2 y2 c! B{
- `1 T6 g! J! q& T1 c& h9 c1 j- s+ p4 M 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 00:200 b2 Y5 d, H' e5 L
这个不是这么比的吧。。。" u; M( D3 k! {, D8 R
7 B6 S% ~' s5 n0 P+ `6 h
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
9 w- n* \4 X8 _6 @4 z有道理。
. B9 @$ y. H3 A. e% q) Q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. e$ c% @* M0 g* H0 _" G& T: K/ J
这个不是这么比的吧。。。1 f" ~; z5 C+ i7 I/ h
$ s; _* w- m2 M5 H9 b* _4 S
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, |% b, i6 G1 T6 F; H3 q- r
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# c8 {. I& ^" j% y
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$ R0 f: A! @- z
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
' `( Y/ Y- G2 D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
9 Y# n, W" R) Q: W" v: s: k6 T L5 M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);. g9 D. E) V2 r. ]6 N7 d
      std::vector < float > vec2(N);
- s3 ^0 m: e9 d2 l       float* b1 = new float[N];
3 K8 E) I% t3 Q7 u       float* b2 = new float[N];" J( j7 z) N) i) O

8 a# M4 ~& r/ C7 ^0 f! m: J$ s. A$ A2 G       for (int j = 0; j < 6000; j++)
4 G2 Y7 b; |4 z- u- B       {
; i6 R& w8 t* {( I/ k: N             std::generate(vec1.begin(), vec1.end(), []() {8 n2 O1 B4 y6 V- {; D7 J$ ]/ y
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;% \: x9 Q, A6 W1 S; i. p# ]
                     });
5 [$ V) c. \% s
/ [  m" @' k8 r. \             std::generate(vec2.begin(), vec2.end(), []() {1 e& ~% V, I% S- h, t3 O5 o2 [7 p
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
  Q+ c6 ]+ o/ Z. `: e                      });# [' w% _0 Y/ p2 [* r9 n
; H" g3 A  B- j0 t/ D
            for (size_t jj = 0; jj < vec1.size(); jj++)
, P6 w# A. ^7 E. L0 [7 C* H3 D             {% A8 z7 O8 v5 d% Y
                     b1[jj] = vec1[jj];( h4 a. d$ A) j, I' q$ p( g" f
            }
) n2 a& h% a( N: Z4 B: T; K8 U2 |/ \, e% Z; m- k1 R
            for (size_t jj = 0; jj < vec2.size(); jj++)" F$ ^; X; {3 n/ E" ?
            {" A: A1 j2 i# e, W0 h
                     b2[jj] = vec2[jj];6 h9 N- i: r7 `% @
            }
. \1 G* o) Z$ L+ W4 q7 }$ L% t& c' o! K! b! W& }& m" D
            //Method - 1  N=100000 247s  ) h- S+ C2 W- U, G4 ~0 i" A1 z6 L
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);- C9 h# `0 T2 {- Y5 |7 k

9 ?7 S* a. p% G+ k7 X             //Method - 2  N=100000  237s
4 Y# z6 I$ C1 r7 C/ k             /*
7 ]4 w2 E1 X% f, t- w             for (int jj = 0; jj < N ; jj++)3 w8 j2 b" h; S7 P
            {: r& x1 w- s+ F& U: l
                     fresult += vec1[jj] * vec2[jj];+ \6 e3 Z. X' u- [1 p
            }
. \0 U2 O: M+ w, r/ e; S2 J+ V             */5 s3 N% z/ g4 v* p% m
                              1 \7 ]; l% d  b. ]# d
            //Method - 3  N=100000 204s
4 L0 `+ ]5 p7 C             /*
& ~/ ^3 {5 Q+ ~" p7 T6 V( q             for (int jj = 0; jj < N; jj++)2 m+ F  H& X7 b8 z! ^. z# p
            {7 G+ X/ U* w5 M  P% |
                     fresult += b1[jj] * b2[jj];4 d9 o2 x& G7 p# ~) X( B
            }* C& `# ^/ |* k( \
            */3 B$ z* [6 y4 D3 X" `: j
2 c, e, |6 _* d( W
            //Method - 4 202s
) n' \2 E/ G1 q             /*
0 o! D; Z) h9 u. X; d7 D             for (int jj = 0; jj < N; jj++)0 ^! o0 h" A# U) z  `# U
            {
! C- q" @* Q3 V! z+ l; J% {
8 c; X+ C: x( Q* V* s: @; H$ G             }1 i3 m% R5 X7 c% W, @- R; f. }; x
            */
' z" q4 t% b# f: V; n) o) \             //comment out all methods, N=100000  202s             6 L! e/ y; \) c7 t9 p
      }
! {; h, n. p1 J/ y  I% k! ~+ `: B( N7 i+ a4 n2 d/ c
      delete []b1;  ]# D) g2 _; R. 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 00:155 L8 x# e) |% V& @* a& ?, L/ y- y
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？
/ K# H. J/ D) _4 d1 ]0 _
' w5 b9 W/ W& y5 }) }9 n' X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
7 }, W; c; T5 o" H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
% I# v5 `. V" S2 R% K/ B Y
& w; S- n) R4 g- }5 V3 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 23:54
( N: W( z; P) Q* x" ~- qvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
* B! u) F6 Q% v. b3 U{
9 a7 H$ ]5 E" H j 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