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" z5 A9 Y- w$ Y
拉下来？拉多少？
& O! L3 a1 X% |. B* F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
! Z; n# K6 A/ B# L, o9 |) ^& ~4 l+ uMaybe 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
& I- u9 B3 ~3 i# x& U7 D1 o+ tvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
0 ?) p) G1 b+ Q- D7 S, c) e, l3 g{0 C9 J! B- S! O, 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 00:20
7 X9 V4 p% _( F- e这个不是这么比的吧。。。2 l5 z& j0 C' J }$ Z

- n# S9 e$ r6 P5 ^( ?( x1 W K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 00:462 X v' i& r& Z
有道理。
1 \; W( g' v, d$ [; e p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
; w$ [$ ^& Z+ [3 V这个不是这么比的吧。。。
: b# G9 b! u* h6 q
( L' i6 ]8 m$ v6 J% m. D; u1 J" @+ j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
* ^$ f' F$ G) L6 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/ ?2 z( c. j8 d4 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 04:47
3 M2 O) C$ s# ]+ }! q. 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
+ B0 r% c/ s+ q( h J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 c' V$ l0 }( l- f6 k* ]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);
1 I" Z4 Z3 u2 ]' E       std::vector < float > vec2(N);  `# {; K5 `. j) H
      float* b1 = new float[N];5 L% z# R& D. J( @. c
      float* b2 = new float[N];
% w# _2 n4 E# P. w$ H, h& C! f2 T0 G% O; j. `! T8 c
      for (int j = 0; j < 6000; j++)2 K) `( B! o' M  U) T4 |. l! D7 N
      {
/ Z& h3 D% ]4 P4 S( ^2 C             std::generate(vec1.begin(), vec1.end(), []() {  D" d8 \- k1 h, j& Z9 S
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
/ H# K  w& M6 W" r* h9 L                      });
  N& z- ]) K( t& e3 `* ?4 r1 U8 i
            std::generate(vec2.begin(), vec2.end(), []() {
  B- P# m9 }* R" j+ K2 Q                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
! B# _* _9 {" A7 C                      });
" m/ h8 u" `7 G3 A  n
6 q: J* Z" M  ^4 j             for (size_t jj = 0; jj < vec1.size(); jj++)
0 w1 A' d$ `; T" L             {
, l: b2 k. _( r                      b1[jj] = vec1[jj];5 j8 c  V: b" g: x' S( M, V, n
            }6 s' ?5 G0 @8 o" ]

, {$ u. |) a% E+ ~0 M+ y( L0 z' N2 H             for (size_t jj = 0; jj < vec2.size(); jj++)
/ ?5 O0 n$ ]3 y  I2 z             {
: t! T3 {. ^& U  W1 @                      b2[jj] = vec2[jj];8 q  _& F6 g4 F0 M: q2 Z
            }/ Q6 ^" \) b. J4 T. v  U: m: x

: H2 S$ F& X) C% [, c! x; y             //Method - 1  N=100000 247s
3 I0 B3 s  S9 ^6 F4 P% h# b% Y             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
0 J5 I6 A& J4 O' W9 u( f                               3 b: R9 d  v# }9 g/ j
            //Method - 2  N=100000  237s
3 z% K) w% R, J: e! J             /*- V0 q! o0 y9 ^% v
            for (int jj = 0; jj < N ; jj++)
! H8 T% e* N6 P$ m             {0 p2 W2 G& u! B% d* |0 y
                     fresult += vec1[jj] * vec2[jj];
* Z1 F* Z! O: c7 Z) Q9 e6 ^             }+ h% Q& w, j- f! R6 f" Z1 n
            */$ ^! R/ j7 i) R7 G
                              - f; }& h( E8 o& J- [+ Q: k5 M4 P
            //Method - 3  N=100000 204s
, _6 K7 y% b  A  [, O/ l9 U) T             /*( D! ]/ k3 F& _8 }1 z# N* ~5 q
            for (int jj = 0; jj < N; jj++)
5 Z0 A) g- Y6 p1 Q6 Q             {
/ |  {% w+ M2 \' ]. ^6 p+ q. W/ I                      fresult += b1[jj] * b2[jj];( d5 x0 W# D# {1 V2 I
            }
+ L% m3 ?% V/ c$ g, U- ^# `             */
% ^% ?  ?$ [  k0 ^* I
0 G% g2 l1 j; {2 U             //Method - 4 202s
4 H3 v5 m+ ~1 t- t: ?' m5 A5 C: r5 B             /*
- z5 J- C' N  q" B6 ^             for (int jj = 0; jj < N; jj++)
7 J0 s3 {; p& |8 ]' h7 u             {) v( f6 w5 |  z+ Z) ]% |; R; _

& \+ V$ z5 X  z8 N             }
& a5 }5 ^* o( n" b+ C             */
2 W) _, ^; c1 U$ {7 [$ c6 Q             //comment out all methods, N=100000  202s
1 a: O9 k9 ]) `       }( a& M  J, v: }/ q: k- Y( ?( k
# A. j, g" Y/ @: i0 `# }3 i% z7 m
      delete []b1;
; X- I4 h/ j+ z' P! I/ D* u       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+ g% Y+ a* y, j2 q. K/ [
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+ g& U8 G8 y3 O8 g' Z# y. b+ h% W
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
' K8 y$ d* ^" j$ W3 @9 f: U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( F# O* p1 Y& i: z: y

- m6 b d$ v& W" j( K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
% i% ?: ?. t) f# J) Ovoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
9 i3 ~- `1 Y! p* ^% N" ^{. \% Z$ f# L8 w
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