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
9 Q7 `4 x3 |, p* y$ @2 O/ {. _拉下来？拉多少？
4 C' J: \$ f. v/ E2 C# i! n- t3 e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
8 X' J1 f* ]2 u6 u. ^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
8 o* T7 l! j$ h% Y0 d2 vvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)$ n- y' r, b6 H0 a
{
. b% b. n2 O' K$ V 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
: ?% I5 |3 w, D6 K' S1 |这个不是这么比的吧。。。3 D& Q( t* j4 {! M2 h$ K

* m0 |+ T7 s* X& e2 M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 F% Z' ]* F w! |: F) Y6 t; @
有道理。* ?, ?, X+ N. z f( n
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
% x& X7 C5 t6 `这个不是这么比的吧。。。/ ~! D, u6 Z( n( E
0 {) W$ q8 o) x) p, |( o& x4 w- L5 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 01:48# u& {* m5 K9 }1 {2 H. q( F
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 01:276 x2 U$ e. S' R6 Y" Z
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" |/ m8 B; \/ ^- A# w8 L
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
$ o2 n, @" w) v0 \/ A7 Q. `2 e6 C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 r% n2 U& \* \* {# 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);# w. a. ^2 k* S$ c( J( S; F
      std::vector < float > vec2(N);+ s# i! ]( ^+ @+ D$ f
      float* b1 = new float[N];' G2 L6 |6 w- a" N5 M/ d
      float* b2 = new float[N];
# o5 V- U; Y! P
* L& b2 u* o1 C& H9 r2 X       for (int j = 0; j < 6000; j++)# g# c8 ]5 S) R& E. @. F. I& r
      {! T8 f) V% }& @5 \2 \* l8 y; y
            std::generate(vec1.begin(), vec1.end(), []() {8 @. v/ i- C8 z' L5 k. B( A# o
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;8 i8 a& X! y8 o2 Z0 C8 Y. j7 L: i
                     });1 O3 ?; G, w4 H6 @9 _

: t/ }5 [  r: F8 f! r: C: M8 [             std::generate(vec2.begin(), vec2.end(), []() {
3 i; u. R9 z& _. A7 s                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;! u% W4 K* l& f  y7 O7 x7 A" T
                     });2 o' w6 ~0 J% D! C6 P4 i5 I' M7 N
& T  [, ?) p0 z( b7 c% |1 \: {
            for (size_t jj = 0; jj < vec1.size(); jj++)5 K5 g2 W1 U  r! }. y5 h
            {
* V, h- e# S  N) }" j. L! G                      b1[jj] = vec1[jj];
( [: _( K# C/ q& {# b/ u0 h8 D             }$ e. `  a& U) p
( P5 w( I( T7 h7 e( q5 y) T: Z
            for (size_t jj = 0; jj < vec2.size(); jj++)
% @# |- x! u8 ^" [5 `* M* M             {
6 ^' x) f* T( w! p  d: d2 }! o                      b2[jj] = vec2[jj];
4 T4 A1 Q7 K( @3 U8 N* I             }
9 e; w: V# ^5 k9 ]0 ?; Y" ^  r1 ?
& d; f; ?+ g( R* }5 r. K3 I$ [             //Method - 1  N=100000 247s  , I' Z6 @& m& _8 s$ ]' }2 @
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
, \- ]- d; M, u; N
. T; F# x" q! E0 P             //Method - 2  N=100000  237s
' |! C3 o" Y+ N+ ~/ f! U/ T             /*9 r0 {6 w7 s' n
            for (int jj = 0; jj < N ; jj++)5 [9 }/ g0 |6 t
            {
$ e8 l+ e( Q6 @                      fresult += vec1[jj] * vec2[jj];
3 D/ O; F: a/ E5 y+ Q$ C% z             }
# x; B* F1 d7 Y# {: B0 }             */( e8 B5 H* N* P; ]7 V4 M. c
                              9 z, F6 \& N. g# R$ ~0 L" G" N
            //Method - 3  N=100000 204s
9 l( [) P! e" a, T  N* r! _             /*. A* K4 ^6 j9 d* ^- O( u% v
            for (int jj = 0; jj < N; jj++)/ K3 w4 [' l) G: u7 L) O
            {2 t  o2 L5 r4 L
                     fresult += b1[jj] * b2[jj];! K: X# g. W; X: |
            }) ^7 b7 i+ B  v8 \
            */+ E& L' v6 x) R0 e( n+ p. M
3 w* \3 S  C4 W! ^( i7 ~
            //Method - 4 202s4 ^' v8 O: v. @$ z. X# e2 N) i0 w  q* q
            /*# j+ z% I. t5 E1 t  o
            for (int jj = 0; jj < N; jj++)3 a3 I+ b7 [, o: L, X( S
            {
* d0 p4 D% E5 \& X6 i                      2 d: S$ L/ d; _5 {7 H  f) p
            }6 _. W+ t0 y2 s# e
            */, n- M; L. x; a% C( a/ U4 R3 r
            //comment out all methods, N=100000  202s             ) p+ X3 }7 h$ x
      }
7 @4 F) L- T) d' e  q7 o, _
$ h5 p/ ?. r) T% [* w/ g6 C       delete []b1;1 I5 [: ~! }- g1 R6 ~2 m; `
      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" p" _* S- l$ R. ]4 z& t4 n
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？
! c9 Q- @! u6 w2 X0 v. y/ Z9 H1 a: _# k& G' p' E" `0 V, ?) k
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 01:168 P; T8 q1 }0 k' W
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
4 P# n, j" a6 ]. ^: K2 J+ ^ i5 @+ Z. [2 s
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- C+ g) Q0 T2 l8 _" H& k A5 w
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
R8 P9 @/ U$ [2 t4 j. }{3 I, j: Y7 X# V1 i! @
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