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# q- G) O* l+ T5 `. N: ]+ Z; e
拉下来？拉多少？5 w+ X( a" M9 W) h
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& e# J/ N% [ R0 f. a, yMaybe 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
7 |* c' b1 q) e/ b/ _' g) wvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)3 v8 S: f& y9 f) a- g; x/ y$ G$ S
{% \$ [3 A: |$ Z3 m- ^9 o
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: W4 H; ]. z+ A/ w7 N+ i
这个不是这么比的吧。。。# ^1 ]9 Y5 H6 W' s. s
- u0 a) W1 Z' r2 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
# d9 c, Q: ?6 M1 \! o2 i9 S+ P有道理。) N" H. D1 u. t3 a8 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 00:205 D6 i% D0 d5 s# ?* _- ?$ y( [
这个不是这么比的吧。。。, p6 r9 B# Z; g
- G `$ v2 w3 |: i/ s6 w e# U( V0 |
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
: C5 p) _- ~5 E# ^3 z) C9 _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
- l( x" b6 ^/ i" Q h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
1 D; _9 r$ h5 a i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
5 v* \7 f9 V$ F" E# E- S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* p0 E5 n* I6 F' U' ^. M9 u+ V. M/ a
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);* Q4 }! [& w0 `  Z+ d* i# i
      std::vector < float > vec2(N);
# Z0 M+ o) t, P       float* b1 = new float[N];
0 |# R4 S; @1 i/ a$ q0 w       float* b2 = new float[N];# V) v( c+ _4 u* C+ ?7 ]! u  h
! M% a- w$ P: G
      for (int j = 0; j < 6000; j++)8 M2 b9 A: P" z& c+ r  o
      {
, `: j8 }9 s6 f! v/ H0 ]             std::generate(vec1.begin(), vec1.end(), []() {1 {; W+ L* y. Y3 b& W
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
3 m! g4 D% K( ?$ m/ F* |                      });8 N2 I9 G- U$ A
! b5 R. N0 m* d3 q' L8 y
            std::generate(vec2.begin(), vec2.end(), []() {3 C0 }* M& e+ l0 ^
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
* b2 ~2 b1 M! @                      });
/ F7 l: z/ c$ c- o% R8 P
2 V" I5 l! W$ O! z: ~( }$ [/ Y% e" e& Z             for (size_t jj = 0; jj < vec1.size(); jj++)$ h) X' C$ {# l! U, P- i" G
            {! M- T( L  T2 p" K
                     b1[jj] = vec1[jj];
3 m: m9 {1 O9 m0 U3 J2 x$ H             }. E# k* O, q+ r5 V( l

  r6 U% c# j) f( V5 K& M             for (size_t jj = 0; jj < vec2.size(); jj++)
. R- ]8 t9 P0 I# q9 U6 u! ?  m             {
1 P- n' q1 A, j# S% w, ]; x3 a: S# N                      b2[jj] = vec2[jj];
: T& o. }% M3 i6 O             }* n% \# x$ x0 h9 o7 |

+ ]) m% M5 i& u0 ]6 F0 [+ R             //Method - 1  N=100000 247s  ( n: s: }9 F" d& d& d: F3 g- e3 _
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);3 q& z, `& f0 k5 C

) `' W; A9 z! j  U+ X1 F8 a             //Method - 2  N=100000  237s5 e9 _) P$ j) Q+ @2 {' S: Q& i5 r
            /*0 h7 I- Y9 s1 U$ ~2 I' [
            for (int jj = 0; jj < N ; jj++)
* b5 d1 }9 h" s5 a2 ~8 Y0 Z             {$ v( U. h' x. W3 y/ X
                     fresult += vec1[jj] * vec2[jj];; H& U7 N1 C1 r- `
            }
+ E0 D/ \0 l- h0 k* |- }4 g             */
! L. ^* L2 R  ^6 V  e                               4 y8 R& e5 ]- R7 K& v+ Z% Z
            //Method - 3  N=100000 204s) o+ Z6 V3 A. C& W. ?5 ?/ o: R
            /*
) G3 R; i1 P& a3 L* F4 m' |/ C, J             for (int jj = 0; jj < N; jj++); \3 R! g* G$ p* K, }; H; u7 r
            {
, m) j$ k* @( k' C                      fresult += b1[jj] * b2[jj];
" w7 A, S+ v) B3 h' z& t" ~             }
! m( a% O, B5 I, S6 M. C& j             */0 {+ c$ v" n6 @7 t

% v6 e$ P/ I5 o4 _# f  j6 k             //Method - 4 202s5 B$ C6 L. z" k' \/ W* x
            /*
3 v  v( a/ Q3 H4 v& A9 f0 o5 _7 B             for (int jj = 0; jj < N; jj++)
$ J) V' W0 G2 A/ r% l; q) q             {$ g) ~8 {% O% y7 L: }. I4 f
                     ! S* y( z' d& k9 P& ]8 f8 Z  R% X% Y
            }9 u/ A  Y8 A. l$ x# ^; W% w' Z
            */5 X8 h2 F0 n: d6 P% I" x3 r& k
            //comment out all methods, N=100000  202s             ' _; y7 w6 r1 W! g/ Q* i0 C
      }. l& R. D7 y( S$ C: O- o' b8 T

8 T& J* U7 a5 B  [) a9 H       delete []b1;; f+ q5 [$ m* u8 F
      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 O" ^ g% N! }( Z& H
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？
, s/ J7 E* m- x" j9 X9 P+ V5 a# `# }! P6 a
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
6 C6 W' T& w ]1 O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
6 `" M" p' ~" V+ M9 ~% r3 z3 _3 F; ?! ^' J% V! Z
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
, B% e2 X) A/ f6 h/ w3 \6 Zvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
6 w$ w! W3 W' |6 m8 p& ~{. {# b- r9 e- N, a# F
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