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" N" K. Z, p' s* z: W* i
拉下来？拉多少？
* D$ w5 r+ q' m. v. U' m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, Z* |' s5 J; e5 E9 M$ _6 N( I7 |: k
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% V2 c7 d( D: f. y
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
3 d* [4 `1 `( P{) Y" A' h! K, D/ g7 q
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
! L& p& i* ^/ B" E9 U: ?8 }3 P这个不是这么比的吧。。。
0 j0 y" L6 p% f2 {4 F! u% r$ r7 ^8 ~
9 k _# `* R3 }7 u6 Q( k9 [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/ B. k; l' p( k5 ^8 }' W6 Z1 k
有道理。
- a( A" v0 F% M! {4 `+ X) J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 00:200 O' `% ]1 ^; i- B. a1 ~. M9 I2 t
这个不是这么比的吧。。。
4 W0 g( [2 |4 _2 J
1 `& g! E& j* V1 a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, n# R8 V7 O. }0 J5 Y+ g" K
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 01:272 q6 f/ ^9 c/ j5 Y; 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
7 u5 ]4 `+ G, 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 ...

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 04:476 s0 ~2 s( A& j5 d+ C. o
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
. u" ~, D: t( i8 \$ 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);
% `' C8 p6 \/ c0 @  K       std::vector < float > vec2(N);$ t- s" N9 M% W$ G8 h
      float* b1 = new float[N];
# S7 {# d- N5 D  ?' }. g       float* b2 = new float[N];
/ t! p& {0 _; y6 L  @. l9 y- K. ~
9 H8 ~$ K7 o3 M- c       for (int j = 0; j < 6000; j++)
$ Y' n% B/ L& m- z) ]" j       {
9 F! m# O5 g& K3 H- D             std::generate(vec1.begin(), vec1.end(), []() {$ N, `+ r- ]8 k/ M% V4 `5 E
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;+ v; r, z- h  t2 L$ y
                     });  q+ Q' j' u6 j) S% x

' e! T) C8 c4 ?, L4 i2 C2 n+ j             std::generate(vec2.begin(), vec2.end(), []() {
' }7 Q; u, `: m  e5 d                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
  o9 c$ T! {6 i, y. v' E: s                      });5 i) t0 @9 U; l# t

& F0 x( }6 f1 f- g: e3 C             for (size_t jj = 0; jj < vec1.size(); jj++)
, d, f  z8 C7 _4 }, b             {( l7 B4 _7 L' V' U6 \- j
                     b1[jj] = vec1[jj];
1 y% f! h/ ~3 `( F             }
3 |' j& O3 L) i( z/ S7 j/ m  P, r
            for (size_t jj = 0; jj < vec2.size(); jj++)
# `% M8 h' [4 `2 F" ^             {2 u8 S0 K0 @, w1 B0 n4 X; ?
                     b2[jj] = vec2[jj];
5 W: W/ R4 d3 Q3 N  P2 d             }
( e9 B, b, Q, V2 ]" U
. j- v/ a# T. V0 Y8 f5 {  t             //Method - 1  N=100000 247s
- f$ Z: |' V. P5 a0 B9 p- e( T             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
; q7 r* ?+ R  A$ A, V                               / q9 [) i7 ?4 I+ D) Z
            //Method - 2  N=100000  237s
: v9 ]2 E) s1 M             /*
' N9 F/ O5 r( B+ E2 C  x) C             for (int jj = 0; jj < N ; jj++)% L8 [% \9 p% h) H4 s
            {
# W. L3 {" p" k- I8 r) ^                      fresult += vec1[jj] * vec2[jj];2 }' e4 W. b# Z9 @( p1 C- I# t
            }8 V5 d7 B1 E1 X2 A
            */
6 x/ N: u7 i" Z                               5 D. O: E1 f1 p
            //Method - 3  N=100000 204s
. z: W+ O. y; {! u$ ?: i/ n* v             /*9 B# o% C8 n2 z: K
            for (int jj = 0; jj < N; jj++)
# \, U$ V4 V6 f+ `  T' z- a& d             {
3 M0 i3 }$ F6 ?, w6 D                      fresult += b1[jj] * b2[jj];$ V; O# r3 J+ p9 L" c
            }
$ ]2 k8 `  q5 ?- Y! d             */
$ N/ y# h8 B1 n9 u8 d" v' _% L" c" H( }
            //Method - 4 202s
' i/ }  p9 M% e  w             /*
# Y  D4 ~9 C* n# A9 f& C             for (int jj = 0; jj < N; jj++)
' R# C0 N# A- C  A5 V             {
' w) ^2 T8 y1 T; D, u. }- ?                      7 A" G7 R( y$ H: P0 g4 W3 g0 C
            }
- g4 T! h, A( S7 `             */7 z+ U9 e" d$ R$ M0 J6 a2 o6 M
            //comment out all methods, N=100000  202s             2 e, {# S2 D4 g9 s6 n
      }
9 C$ A4 Z  `  _3 n2 I1 \# b, |3 L6 m% b/ ?- R5 R
      delete []b1;- l5 B1 r2 m( F& G. _& r" ]8 T
      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
( q0 ~) h& y" b# L6 M; 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？
; f! J- W2 {, J
. t; e! c9 o2 ?# R1 f6 X& @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
. J; H8 F9 S- \/ j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
5 E" h+ b1 R: k8 h! e: M
- \& [0 I% M# X# M/ T; \$ `, u( \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$ n0 W3 d, X: Yvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)7 k' p) q4 V$ R/ B7 p9 _
{
6 J X$ U4 f( @9 M, j# C7 V 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