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% F: c O7 f' }- _# Z8 d( V# D拉下来？拉多少？
8 A" L4 y4 ?0 o# v; g8 A# x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
V" d4 ^ V6 P c5 z& uMaybe 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 23:544 ~( ^* Q6 J. x2 w7 i0 j+ @
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)9 _0 @6 T5 V9 u0 o! a* ]9 r
{+ @* h4 p/ @4 o& ~( d( Y B1 P; n. B# e4 m
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
. {! o y) y c这个不是这么比的吧。。。# ]6 |* s# r7 D, p, P3 Z
* f" o6 [# T2 T7 A! 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
! |. Q. r, r% g$ ]/ m! I有道理。
. W1 h& R# B3 x. O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
6 l" A I' ]" m0 T这个不是这么比的吧。。。
2 k* u* l% p, D* f7 M# F3 r
2 @- y5 p* L6 h, T% \8 k M9 l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$ k( [0 d/ V1 W. W
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
" P+ @/ }: y5 D: D: S5 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
. S/ \; A) K; ^/ [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
! q( z9 a) N+ y( s$ k4 J. 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 14:586 [6 w! d# F( ~) n7 u( ~9 b9 ^
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);. u0 t9 e; V- a. u
      std::vector < float > vec2(N);
7 G) q* N7 K& F8 L& X4 K       float* b1 = new float[N];7 h& ]- J1 \; \0 i
      float* b2 = new float[N];
' b2 o8 K5 C6 o& K- a8 W
0 H+ A- x+ ?$ p! e& l' B       for (int j = 0; j < 6000; j++)
2 s. I9 @$ i, U" V' c! {( p1 Z1 A       {7 b# [% v! H: H. ]  h% ?: J3 o
            std::generate(vec1.begin(), vec1.end(), []() {
6 N5 K+ v: ?2 v( c                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;4 \, Y, c( j" \
                     });8 |! |* d9 E* L9 V2 f; K- B3 T

5 \8 ?: {" Q* Y' y! Y# d$ T9 O             std::generate(vec2.begin(), vec2.end(), []() {( S- e' _0 a" }: e
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;9 u4 I9 _% H( x7 F, T4 M2 u
                     });1 D* S# k, j8 m2 d% i/ w. d$ M
* P% u+ F( j2 l2 @
            for (size_t jj = 0; jj < vec1.size(); jj++); D4 u( C5 K$ P1 E/ T, A% L; J
            {) D' P$ c3 M% ^
                     b1[jj] = vec1[jj];/ z  A. a4 \3 G6 U3 J& m( D0 _- J
            }7 {0 E; k; b3 [8 a

8 F" O8 Z( ]% d3 u! j             for (size_t jj = 0; jj < vec2.size(); jj++)5 L3 X* v& i/ @: @
            {
: [) b, n2 q+ ?0 q5 M: T  O                      b2[jj] = vec2[jj];
2 d* U# n+ Q  z2 k# X2 X             }
) [, ?9 ~$ p! |! S2 y/ R% u; Y6 H- b
            //Method - 1  N=100000 247s
6 F, s$ i6 G9 f) V4 p             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
# G$ g& T9 a% z
# K8 h; k7 N. d; U3 ^* d             //Method - 2  N=100000  237s- W% M  Y- @0 {6 ?! i
            /*
& Q- ]2 C% A3 V/ b& R) h             for (int jj = 0; jj < N ; jj++); O9 F, a4 [5 ~) U  G8 b+ t2 U% B  @6 X. R% d
            {
! ^9 @. A6 S) X, n8 W9 W! K$ W( q                      fresult += vec1[jj] * vec2[jj];
& Z" g* m* x. u$ w9 Y; }. |3 o             }
/ m6 k0 ^* Q( G, {             */; {2 Q! N4 b# u: a+ _- j

! r- m# ]( _2 F0 b, |9 @* L. K             //Method - 3  N=100000 204s
  Y" Z8 h; a. T7 z0 O4 E             /*9 }' e. n$ c3 u( c4 N
            for (int jj = 0; jj < N; jj++)  d, }; b# s2 L8 t
            {7 L1 ?* y4 U( i7 T! B5 I" n
                     fresult += b1[jj] * b2[jj];
$ J9 G( e+ v3 v1 p# u             }( j+ \$ n' n+ B, o/ a) Q4 Y
            */
: e0 h' L% J2 J& J" [/ ]* ]3 f- ^4 h6 ?
            //Method - 4 202s
6 M; H, P- N7 r' {0 u3 S             /*
! S* n- m% }1 K6 H! O5 r( i             for (int jj = 0; jj < N; jj++)1 q. ?" o2 [0 Y+ t- k
            {
( m5 ~: Y4 [6 w2 P                      3 W- a" H2 a3 L* u( H1 Z% S
            }, t6 G2 H6 }8 d1 B+ x& C! f# E
            */1 k1 U- q; ~# f0 q6 w
            //comment out all methods, N=100000  202s
) F: O( q9 D- W+ y) M& b       }# p8 P- c) M  b6 E6 a- k
5 r) \8 X& e9 p: Z; {+ s0 `! Q
      delete []b1;0 ~3 }, E9 R" w4 z! [
      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" ~+ n, m* D" N5 e
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？
. G. F2 y: W) g% T, j B# f6 b
" d1 p6 n4 T& ]7 @- e7 Y V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 s1 j; K/ h$ d$ 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、LOL3 _0 d. T6 A0 Z+ @" J ]5 |
: M4 q+ U. U; e8 U5 d
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% ~. s! m- j# g* h& ~+ @
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)4 y& [9 p: Z/ _4 x
{
& }& X- m* a$ m6 ? 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