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+ l9 f6 W3 x" [; k! w8 K9 ?
拉下来？拉多少？
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% F3 l5 S) b4 d% C0 u- C" ]# v
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% G* A2 }0 C6 R1 M- }
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)0 c) \$ T8 v( j e& w! |9 \
{
: b) P# J2 ?# @; ?) @ 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) B' a7 B% r( t, h- E
这个不是这么比的吧。。。
3 M$ j. K$ Y) ~, ^. P; A0 e+ N& n. C' h* r
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* W; m; l p0 t% [
有道理。1 f& J$ i$ [6 Y# m `
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 00:209 ?+ w- u5 i8 s; y% r
这个不是这么比的吧。。。7 R! _$ K/ H a" O
" @* `7 J4 A0 J$ C) ?2 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）。

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( j0 I5 |8 L0 m+ v; V
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 01:273 H$ W9 b2 u9 e
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
) }6 K9 Z" x5 r3 S' l+ b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; `: F! ~' P0 \7 }# M
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! |! o2 ]1 M& |) R% n5 [# b8 z
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);, e: O7 i  _# R$ _& `
      std::vector < float > vec2(N);
& E; X2 h; o/ H$ i( a, U+ i       float* b1 = new float[N];8 w8 K3 o) ?. J/ a6 ^8 r) l
      float* b2 = new float[N];
+ D2 m5 N% N' g/ T. v
3 v' T4 ?5 u" y5 Q5 u1 m& `4 D1 a       for (int j = 0; j < 6000; j++)
, Z. c, Q: _7 S8 j4 f       {/ c3 {( Q+ ~& z% V( y
            std::generate(vec1.begin(), vec1.end(), []() {( l# q4 V# n- e! w' N. I2 U6 i
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;: x7 r& P4 w5 |6 B
                     });
, ~) q* |4 l) @- ?7 O/ S( j, l% c3 y6 {% v
            std::generate(vec2.begin(), vec2.end(), []() {1 R' n& _$ u1 z, v: S6 S0 h3 ^' q
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;( h% e' a( P; t% Q9 R0 `0 q
                     });
) }8 G& ?  {) [* Z, G
" l, V' Z6 w3 ?& m. ?             for (size_t jj = 0; jj < vec1.size(); jj++)
. o* L* L0 i9 p! a* O             {2 E, G, _! N$ [& H
                     b1[jj] = vec1[jj];
/ g9 b9 k5 j. b  J- I             }: n; n: T- K6 q+ c

% c1 E% D* N3 N( S8 ^' A             for (size_t jj = 0; jj < vec2.size(); jj++)2 `1 j- W/ X& o- @0 ~* {
            {. g( K5 b; k. @8 K& x9 H, v
                     b2[jj] = vec2[jj];  ]% d6 S- D8 ~$ S+ ]4 ?
            }
3 K# C" p: p0 @% B. p0 _9 ~9 ^8 D1 d  s1 C
            //Method - 1  N=100000 247s  $ X; i. c& j. }- T9 R2 J
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);* w% H/ @6 _% @  m' e/ ~( t4 b
                              , `& |$ a2 a0 X: J+ g
            //Method - 2  N=100000  237s
6 N! r3 ?3 \2 N! |- w             /*2 s! J7 ?( n2 @" s. H1 u  n. U
            for (int jj = 0; jj < N ; jj++)
: o* V' s! c6 `$ n4 C+ [% m             {
0 Q' U! P( X. @7 i                      fresult += vec1[jj] * vec2[jj];
5 x- H( U8 {) H0 i# o3 e& X             }
6 d- q  D8 F: ?             */$ y! M  |  q9 j
                              ) {2 f# W6 k- x. ]; E, w  T
            //Method - 3  N=100000 204s
# L+ u+ c4 N; A! ?3 h) }! S             /*
0 e) Z4 R( w& n1 A             for (int jj = 0; jj < N; jj++)4 K' J7 g  v8 r; L$ b
            {9 n. m( x2 y! \; j" m; c, v3 p6 {
                     fresult += b1[jj] * b2[jj];
( E" G: }, s$ y/ g7 K; O# \             }
# l/ i( c$ ~. {/ E" y             */! q+ S/ `$ L7 e3 s' d3 ?1 D5 W9 |3 t
7 Q% U8 C  E% `6 P
            //Method - 4 202s& C- h- \! H" Q7 m( _8 k
            /*
5 R. [& j( A$ |- q: |0 g$ |) d             for (int jj = 0; jj < N; jj++)
3 W- g- A* {- r8 o$ |( O             {
8 @3 ^+ K* X- c5 @- C                      & Q" R1 g- u. l/ n3 ?( S2 L: H% }
            }
7 y/ G+ F- [. F: B5 Y7 u             */7 f/ J0 W5 x2 b0 D7 G/ I  U& q; S
            //comment out all methods, N=100000  202s
& V/ A* b. `) b/ [! R  F) }& d       }
7 W( m2 o) M, v; Q! }
4 {" B  {- \5 f8 H       delete []b1;
* [3 w5 `1 \7 {/ V8 z) V$ d       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 E& W3 @6 e" t; @9 ]1 w
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？: N/ p, h8 L0 ?5 |1 n+ v3 w, X3 e0 c
) y+ L7 @0 k# g2 r. 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 01:16! @" A, c, N% `
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
1 g2 k, w+ T2 k _6 z! a5 C7 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 23:546 [ G I3 u- k
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
) c- b5 C8 {: H- F( d" N ^0 [{
3 j* P3 \1 {" s$ }, g5 K* ~ 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