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
8 f. I8 |! i- A2 W% x拉下来？拉多少？4 a- F4 \% p7 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
) R# A* P2 J$ n5 gMaybe 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
% o2 g, H M7 g8 q/ K Y/ y9 L6 \void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)2 S1 @ ~: ]. O. ~+ s
{
& n2 l; M, E5 a; A+ { 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# e% V$ x0 ~* J5 H+ J5 Z. }
这个不是这么比的吧。。。4 Y5 n5 D$ C3 l2 c# n& Y

. l& K9 J: _# n' A& R3 W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
" \, a7 j! e. m" A& D有道理。
9 j6 M* h. v4 Y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 S7 Y( |8 g M7 [. E
这个不是这么比的吧。。。
/ i1 B! E5 _- S: k2 z5 v( R6 [" R4 b2 y. ^
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 01:483 \# S! j' O! P% S" W5 s! 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 01:27
- y3 B% U5 u' H2 r+ G2 a, J' 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
& }5 y) h2 b1 N3 {0 r7 u6 o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 R4 E% ^' N2 v; 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 ...

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
( A# G; r9 M1 e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);; i- p. R( a# \9 d1 ]) j
      std::vector < float > vec2(N);
' z8 ?+ B  y& o" d8 [4 a8 o       float* b1 = new float[N];
. C- i( V! m- u3 z( B: @& L       float* b2 = new float[N];' e0 A# q! ~* i9 @! `' c5 @4 T

% G7 K4 P- f$ N, Z       for (int j = 0; j < 6000; j++)- J7 \. p: b/ T. J9 c
      {
; j3 ~5 U! P0 i% u. ~* f  v2 ]             std::generate(vec1.begin(), vec1.end(), []() {+ U# }* }5 @4 S* e
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;% p1 T( O" V3 C0 Z% B
                     });9 G& f. X* U* i7 v

& E3 S+ R4 a! p             std::generate(vec2.begin(), vec2.end(), []() {
. {1 k  H( T5 p& T& T/ C                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;: q7 |' Z1 _" j5 Z/ R1 m
                     });
! H, O2 `. I' s, P
; H2 K! o8 ?1 p7 j. V! L( U$ Q             for (size_t jj = 0; jj < vec1.size(); jj++)( R0 G+ U! |/ d& R) j- m
            {1 K5 m# h4 z. S$ t+ j6 y
                     b1[jj] = vec1[jj];
3 \4 E0 C  v' s2 _             }
$ A) o- d! c+ h# q* \  d
$ @6 c6 T, v$ o8 {! C/ N* V             for (size_t jj = 0; jj < vec2.size(); jj++)- `" o6 g2 i1 D; ^4 z
            {# ^4 ^7 x* J& x* _
                     b2[jj] = vec2[jj];
; X3 \' H& z$ f) g5 a: ^             }' r9 O& o" s; Z: J: _* t
2 Y' w) ~% i, V, l5 s" N% G
            //Method - 1  N=100000 247s  8 _- j% X( U. Z9 X- f2 H
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
1 y% k$ G, J  j: a3 o3 Q  P
1 }$ S9 Y+ X- X- f) ~8 u             //Method - 2  N=100000  237s
# X# x; {4 y, }1 J  E             /*# m- c' O) L3 m1 Q' {6 K$ F
            for (int jj = 0; jj < N ; jj++)( j0 ?3 A/ D* ^0 }' _) H+ `/ q. T
            {
0 Q- O; m6 {( z- O                      fresult += vec1[jj] * vec2[jj];+ }% f  b5 O1 k0 P
            }
. C/ [9 a) _' T$ q* p( y: z" i             */
# Y6 R7 G. f2 p# b. G1 H5 m) Y7 W7 k                               & S- P* h4 I9 ]: R) L
            //Method - 3  N=100000 204s
/ J4 [% ?0 e$ h! ~1 b6 m9 J             /*
3 I1 w7 J) B: W; }             for (int jj = 0; jj < N; jj++), ?( ]& t* ^& `7 D2 B) l
            {
" e7 ?7 p" H( W9 g+ V- o8 a% l, \                      fresult += b1[jj] * b2[jj];
/ L4 s# A, o) B0 p9 ~5 ~0 E8 t             }
/ K" I% h" p" n% ?             */
/ h* f6 s' s% v& d- ~# c( J
$ L( i7 o- g9 Z8 F3 L1 N             //Method - 4 202s
0 x: }3 G0 L: O' p4 j             /*. @. |8 v% Q1 k9 d0 R& b6 R
            for (int jj = 0; jj < N; jj++)
& A7 b$ s& C7 \6 A             {4 P- N* S& Q* ~* S
                        r) V; A6 Q! [+ |  O
            }6 c% \% o% z2 I+ S% ?9 x
            */
7 w, B/ {! {/ Y' \5 V             //comment out all methods, N=100000  202s
3 {9 n8 }: i9 X9 z' e+ F' r       }
( G# b3 m$ W& b) S6 `3 K) X# \: o! C/ D* V) h) H
      delete []b1;
- D% p& }5 j+ P& N( F# k5 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
$ b2 V) a5 v; {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？
. F" @5 L9 E# p) o( k+ B
+ v+ ]( a' d) ~8 _/ d: Q: D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 M/ ], h% f& A4 j# }9 C
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、LOL2 U+ [/ I& i6 x' A$ i
% K' f9 ~% M2 Z y* C
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# W/ q7 S3 L w4 W* t ^/ u9 `9 i8 \
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
2 n! g" \6 r& `) Q# j{$ J+ Q! {8 b; t! z. X* A2 c) ^5 e
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