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
- z! u0 f2 i2 ? c9 {! D# `* \拉下来？拉多少？
1 ^: `6 A& l- x" S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
0 w% y, m( w% Z: y* XMaybe 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, k; u2 T" E j; F- `9 U G) g
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
& e9 O# U( d5 `& A r{ G2 X# Y. l3 |$ h8 b# j
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% O  i2 [. j* c& \( m6 t4 h$ P( D
这个不是这么比的吧。。。% Q+ R- z% t1 @  t6 i/ Q
! Z1 M1 O% u  }3 t
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+ K, q$ D' [$ ^
有道理。2 Y+ _. H0 k. y: E) @4 |
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 00:207 b8 q6 d2 u" Z
这个不是这么比的吧。。。
; s1 R5 P6 {/ W4 Y2 V' N% }7 q+ \) F- A1 B
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
. _! e1 T" M+ S5 j7 p! ]* h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
/ E- s/ ]- R' I ^: ]& p- d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
% p! G9 |7 Z0 x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
. t' r$ M, s' r. X" J4 ^" 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
& y: o5 q; _: B; x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);* A. \* M8 f& D+ {! e0 }5 N$ o+ o
      std::vector < float > vec2(N);
- p8 o8 x5 Q) d+ ?/ T       float* b1 = new float[N];/ {8 F) W, T+ ^
      float* b2 = new float[N];) v: J7 O' z# P" p

! p2 q& Q( g9 z/ b. C       for (int j = 0; j < 6000; j++)0 r. l  c, ~2 x% \
      {% p6 t) t, L9 N( q2 }- C5 F
            std::generate(vec1.begin(), vec1.end(), []() {
0 n# ~) e' C+ E( s' `6 R7 _4 w1 [                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
( f6 b4 b8 T. h8 D$ P! y" k                      });; @  g* |; r6 a. k* p
3 @* ^! r, Z- Y7 n. v
            std::generate(vec2.begin(), vec2.end(), []() {# D, Q9 g8 L5 D
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
0 y5 T- L8 W: G% q- }4 x                      });3 a( F" H7 h& x

, t1 ]4 v% W. u' t3 ~2 {: ~             for (size_t jj = 0; jj < vec1.size(); jj++)9 U8 d9 i: w+ Z
            {- v$ G  q+ `9 o9 p3 k( _
                     b1[jj] = vec1[jj];( s) E  R; ^4 H
            }+ ^+ V3 u  |8 W( e: K" T) `. F
: h) _/ n1 D4 p" k3 J
            for (size_t jj = 0; jj < vec2.size(); jj++)3 x2 M" j6 G- ]0 c
            {
1 o2 ?) H# y8 c& ]4 E5 p                      b2[jj] = vec2[jj];
- L2 q, Y( C- l3 O" P) i  r             }
* R, O2 W; i5 d. G1 [* I) P3 Q- H; i
            //Method - 1  N=100000 247s  9 v" I# K( T5 _, ?
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);+ X3 _3 z  Q% \

" I% e* n- `" z2 m; K2 L             //Method - 2  N=100000  237s* V$ Y3 K  {% Q: @2 @
            /*; q; N6 c9 M, o; z# P3 D# Q* U  E
            for (int jj = 0; jj < N ; jj++): J% @& K: {0 K  Q( E1 ~* ^+ X! D
            {1 @# ~! \8 i+ z# x
                     fresult += vec1[jj] * vec2[jj];
' B/ b7 X2 _& C             }
! q- d( v* Q" Q1 ~! s* l0 a             */
" n: j: l# H6 r
% j, K! C% t9 b4 X             //Method - 3  N=100000 204s
* m% P( k4 @. h9 F2 c             /*- t+ _+ W* b7 n0 w! t# R
            for (int jj = 0; jj < N; jj++)" a4 ]5 p) j" A" y7 V0 ]
            {
3 B/ o" \: O9 m! n0 G9 b, S; J                      fresult += b1[jj] * b2[jj];
6 k% l& k2 q  `2 J  G* q3 [             }
" F* `) R( X, e! @             */
7 q7 Z& C8 ?. ]; q8 u  ?
8 B: E- a( ]9 |. r. I6 S6 _             //Method - 4 202s
0 n( z0 O8 h9 ]4 X             /*
9 o7 A; p3 v6 S1 u& ]# U2 f             for (int jj = 0; jj < N; jj++)
            {
9 r3 M% N* P7 q  w6 f# }* V
6 y/ K+ X; \% q5 S0 Y             }+ {" \5 v" P, J( y
            */: q4 b; V% S8 N
            //comment out all methods, N=100000  202s
8 d8 L/ m+ u- U. o+ `- p5 i5 o       }
+ i* g* |% y: c6 \7 @& S- T! A$ j2 V& E7 V
      delete []b1;) f! q0 \# I) A+ s, _
      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. }, p4 t6 n+ e/ D
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？6 w# O8 e2 d7 [9 }- E I

& Y6 u" t5 G Z+ m* J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 01:166 @8 ?. A0 \6 p0 \1 r6 A' d
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
8 S9 P! |* i- W1 d' A" \: y
7 B6 T8 [8 v( x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
( ^7 d6 e+ y+ m0 Y8 D) R* ]! r2 i$ Evoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
: T7 T. {! d8 j9 W{( ]- ^5 [8 v. C7 d8 g3 Y @" 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