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. K: J% D5 |0 s% M
拉下来？拉多少？
- @1 E" V( J! I) s& U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! d0 m1 G. I5 s; A& p
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
. u! @4 D9 q9 T2 |6 q# J* l& Z. F0 r1 Zvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)6 m: s3 ~/ A2 O7 X; a2 @6 b
{
$ S; S' @5 z3 d9 F3 G" ` 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
% Y* S n* @/ v( u这个不是这么比的吧。。。
: |" c9 |; c+ @/ [% z2 B) X% I6 C' k" r$ c8 q- T* N$ V
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. u6 T$ }. t2 d2 ]8 p
有道理。; q7 ]1 ]# |3 G: S/ L* Z
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
' S }) w/ N/ d, X7 h' U/ ^2 I这个不是这么比的吧。。。2 N$ Z# ~3 `' q# k! ?

$ t% G6 d/ [& k0 Z) f( q' 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）。

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
) a( B5 T. m& t& e2 _, F; |, G O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; \5 T6 F$ @& P) F
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
2 g4 _3 r* V' u% K" S) \; 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 ...

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
6 N, @& J w2 ]2 q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 L4 }+ |/ U' g' n+ V4 _- F+ a- B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);
3 u  V2 Z! }- y9 K" c* y) ?) l       std::vector < float > vec2(N);
/ P+ @6 ?, [/ W5 l5 `       float* b1 = new float[N];9 ?) U" L  Y/ H" Q8 s8 H1 r
      float* b2 = new float[N];
: \5 N6 s6 F* D
7 w( z6 i& n7 Z- W" J       for (int j = 0; j < 6000; j++). j# v4 p! O/ ~+ v# t& p! d6 E
      {
  V3 U6 B% {, F) A8 C             std::generate(vec1.begin(), vec1.end(), []() {
1 d! u' e# q! R: p+ H) ~                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
8 {! W. O7 b9 B0 O4 _& p                      });2 I4 x3 a: K  o( w- }

" c$ P0 y# k9 u6 W             std::generate(vec2.begin(), vec2.end(), []() {
+ F3 }- ?5 O$ x( G/ J! j                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;9 i/ y  B0 ^4 l' p8 t  l, m
                     });  @- M& d) e7 X4 s" v9 j& E

6 V, d6 x" W8 {* m$ T! c- Y             for (size_t jj = 0; jj < vec1.size(); jj++)4 V, w* i, j) E/ s  S' P: D* z
            {
# ]) \" o' V; [5 i" v: k                      b1[jj] = vec1[jj];$ {- e! }0 u9 u& T7 G
            }
! |9 `/ M; l: r; d+ [3 G' y  C$ D  M3 ]: e
            for (size_t jj = 0; jj < vec2.size(); jj++)
# ]0 K: B6 A# v5 t0 e             {9 l  Z* H8 y, K+ `) ?; X! r
                     b2[jj] = vec2[jj];$ s6 Z) h. F6 R( w8 W- V2 a
            }7 q  a2 ]/ _$ a6 y! x
- ]' w& g) I+ ~9 R
            //Method - 1  N=100000 247s
! I6 H2 F6 ^$ J! {+ M/ a# ~* ~# g             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
2 Z' v+ l, s4 ~7 P- K                               / |  @3 a" b6 F
            //Method - 2  N=100000  237s0 J0 A0 q6 i+ O" x  C' J
            /*5 p  \5 R3 H" I% @  O- v- N2 [  @
            for (int jj = 0; jj < N ; jj++)
4 r, Q( K* C6 ?8 _             {
6 ~' K/ f6 g. B  f5 c4 v                      fresult += vec1[jj] * vec2[jj];
3 C5 g) |) V: A/ S8 r; V             }
& Z/ W0 d9 ]8 X3 }/ d             */0 }5 O' |; r0 v' y/ C9 o
                              2 c' e6 |7 k/ C+ X, B1 a" A
            //Method - 3  N=100000 204s% |4 v. Q- O7 [* B" ~6 H8 u
            /*; F" u! X1 s( i% C3 g" N7 u
            for (int jj = 0; jj < N; jj++)$ @" P, u; j. [6 p. |% H, {
            {
4 K0 G* ^$ |3 [+ Z! \9 b, z' W, k9 V                      fresult += b1[jj] * b2[jj];
0 p/ [' y% h# h: w9 S  N             }
) n1 q9 u; a% K, n             */! M& J4 [6 `2 H" w) z! M0 m0 G% e

0 V6 W6 V2 }; n% S             //Method - 4 202s
- q9 _' I' ~2 o1 l; L             /*
; g# j! @0 ?1 w# O% Y/ ^/ U% {( k# \             for (int jj = 0; jj < N; jj++)
! z- `. J; V! l& L& m( J             {5 g0 v8 T  w+ o" p, q

! ~  e( o+ `6 P             }
3 d# t! s$ O* U0 x& v9 V0 Q% ?             */
9 ^# ]/ g, K. c' y( j) v3 |             //comment out all methods, N=100000  202s
" \; L" m" C2 E0 c; R0 ~       }
9 U2 k! B1 |+ a1 P% ?, b% i; C3 h- W5 C: o0 r  i+ a& m
      delete []b1;
; X7 g4 ^% V0 [0 e' b       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
# K) G' q* M6 n2 o/ P2 |! g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？
" _" M9 r% g3 \) }, E
% D6 ~0 p' q6 |5 n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
, R- ], {. k0 o2 G, ~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
( u7 \; i+ h) ~( K+ s5 Y
) E4 L/ t9 v/ o$ t* F! v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
* u( `% r, m. Jvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
: M2 w$ e' ?: t0 b{
& }9 Z" K z+ m! v9 j 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