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
/ b, u. X5 u3 X' w拉下来？拉多少？' l; A }+ H/ p: T3 M& [% V
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( B: Y7 w* a0 T5 u: v: [9 a" |
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 V* O( y+ b6 _$ Z$ N
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
6 f5 @$ o) Z) |, ~: \{
/ @: _; p/ y" F! O' O3 q2 P) k7 ] 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
' E6 E* C% e) R' U9 K5 j% N这个不是这么比的吧。。。
6 }7 o7 b6 N; K3 Q
$ s. }% |2 g' P. t5 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, u+ s2 O# {3 x o$ k+ n
有道理。6 x+ O- o1 H* d1 }$ @
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 00:201 y8 W9 V4 x) Q* \4 R
这个不是这么比的吧。。。
# k! q {0 M' i( n% d% V$ h. S# ~# p$ ~. ?: G
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: M# w( t- ?2 A2 }) s
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
3 j' Y( H: J0 | A$ G( @5 U$ u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
, ~9 O1 o2 V- l: d; V& ]" |( T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
4 ^/ l1 K9 k# O/ b5 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
/ j% O+ V2 ?% }% q; v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);
8 H& f* {6 y( g9 H" Z" f' l       std::vector < float > vec2(N);
& U0 @' S& h, q- E3 `& l       float* b1 = new float[N];: B; y0 D4 ^- e+ F
      float* b2 = new float[N];  u+ f8 n  V9 P* T8 n% S$ x

# `) c- M; {* M) Q8 x) {. Z       for (int j = 0; j < 6000; j++)
6 R2 W' I- m5 |/ x       {
2 l  [, _, i5 g) a: J- W             std::generate(vec1.begin(), vec1.end(), []() {
' [# i* R1 B1 v" g/ V1 c                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
+ w" g8 j# q. Y2 b$ F2 p$ D                      });, d, L$ X) y* n$ q1 J/ _
% O5 x& U7 S- I' D: L
            std::generate(vec2.begin(), vec2.end(), []() {
, Z) [% ?6 _% o  b0 \                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;% ?) T2 {5 U/ f
                     });
: y, H3 l9 \& g2 p. ^' T/ `9 _# z+ I  B+ V) [! j/ l0 ]
            for (size_t jj = 0; jj < vec1.size(); jj++)
) z! }& @8 o9 n- e8 M# q4 w             {; A/ t7 \$ O( ~* `
                     b1[jj] = vec1[jj];
2 D! V8 X3 p, a             }
9 p1 ?; Z; ^* F) |# U" I7 m4 W$ G9 K! i) l: W- q9 z0 _9 ]' x
            for (size_t jj = 0; jj < vec2.size(); jj++)
; v$ d/ d' [6 c& {/ L/ X             {6 w. i( m8 m' _9 W+ S  m
                     b2[jj] = vec2[jj];
6 c7 e+ |3 F4 ]9 \. F4 i$ k             }' x3 I$ I5 G( p) E/ B" y
! R4 @' a8 G( {1 O' G7 T8 ~9 Z
            //Method - 1  N=100000 247s  5 J9 ~$ ~0 m. V: ~: V$ \+ K
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);3 u8 ^5 q: r* }4 V9 G4 G
                              - j: `3 K- M/ x7 z
            //Method - 2  N=100000  237s
7 u) j: C) k( S5 B' z; p! s. w             /*
. f( w0 k! F4 U* J8 n7 M" Q             for (int jj = 0; jj < N ; jj++)
' C+ @2 j$ N, X5 B! Q2 A# V3 ?             {+ r. G* f9 w' o5 n! o/ A7 Q! [
                     fresult += vec1[jj] * vec2[jj];
  v: C) x% e9 K2 u) a7 c7 b             }; v( b; V) ~" |+ _' R  X
            */
& A; A+ V$ F% g* E9 f5 i( s                               1 N1 @, ]7 \: }  v
            //Method - 3  N=100000 204s6 B8 T! ~7 v) ~* c# x9 S
            /*2 @# Z' m! r5 z& c
            for (int jj = 0; jj < N; jj++)
+ x" R7 t" S4 I* ]$ _$ [0 O             {- h" A2 ^. M. l% C
                     fresult += b1[jj] * b2[jj];
) T. i/ Z/ W8 O" d- y& E! V             }7 x: Q; P/ R; Q
            */: n6 H8 i9 u$ ^

1 Y: t! E. j; p. U. g             //Method - 4 202s
! T% F5 p# U, D0 O+ A             /*9 N. |! @7 X9 e$ m/ j
            for (int jj = 0; jj < N; jj++)
- n5 x3 C* [" T9 h$ r# j             {
0 q3 Z; W/ w! _% d* _                      1 M+ H! s& O& s5 L
            }" F4 ^2 H2 z& O  @
            */
2 x$ }* M8 Z, [             //comment out all methods, N=100000  202s             1 P, ?9 b7 D5 y& |0 m2 `6 ~
      }
% Z) c2 n& B& M- O4 z7 B+ h& d' H
0 w9 R2 z/ t1 p+ c       delete []b1;
6 o4 w( k6 P. o) `" L) R, F" r       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
0 {0 {" a# J( W4 D( c) 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？1 x- B3 | z2 r& }! d3 |; d1 @0 ~/ P
4 R9 @" [4 r2 f5 z' [$ S8 c0 Q
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 h( b" M' ]4 ~" ]+ E; v6 R
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、LOL4 j, ~" ~7 ?8 d- `3 T

7 k B1 @2 S( K; p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
! i9 R& s2 i( q O9 J- m" Rvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
1 v6 v- I5 P& ]# s; n% j" ^{
8 C+ @# ~' ]8 w( I0 \ 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