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 23:045 Y( Z( |, R0 `6 Q0 K, n3 u% Q
拉下来？拉多少？% q: f2 |2 _1 Q
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
1 |8 L% _1 j- zMaybe 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
9 p6 V( b2 F3 @" J' g( }4 x4 Xvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
^2 J: U5 |' o5 E4 G4 y( `( T{- [( G& x# z2 I: h8 K
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% a! n9 @" j! ^1 {5 ?* H* _, X
这个不是这么比的吧。。。2 r6 I# R% j0 U$ X3 X
/ M! }$ e- c" N# _- D
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 S- Q9 r% k% j* B
有道理。. @; R' Z1 E8 G- A
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
?$ c% r! r- Z; p/ @这个不是这么比的吧。。。: H4 c2 p! _- T! B, B7 w9 n
* e- N+ N' X& X6 b* 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）。

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" H* A0 |' Z/ m E9 l
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
! T# D4 o& v$ E( s/ \0 A; E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 04:477 p9 f2 A. J; Q" M* 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 G' }4 R, ~1 F% 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 14:580 S: I2 o# {. ~
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);; Y& c. k5 f' U( |  V, h' @% K
      std::vector < float > vec2(N);
  j, q3 w6 Y" P' I# ~5 N6 }       float* b1 = new float[N];. x4 z4 y0 J* ?
      float* b2 = new float[N];
( n* p( J2 _  p' b- o6 H: [
! p6 t: r9 [, h+ l7 v       for (int j = 0; j < 6000; j++)
      {
1 t- W% O7 T: [             std::generate(vec1.begin(), vec1.end(), []() {  d$ S4 B/ F' l1 u3 h& m
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;  N" F/ n( l2 R# w  S) W
                     });2 r7 K8 v5 n2 O
! u6 `3 P3 j& P: F
            std::generate(vec2.begin(), vec2.end(), []() {
5 w8 X; v: ]; f4 ^# Q+ S( |                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;- u% p- v8 j5 \5 G
                     });2 N% R8 B8 n$ C
% b6 [$ W! b2 o+ _
            for (size_t jj = 0; jj < vec1.size(); jj++)
5 C# {4 w( ]- G: _             {
7 }& H2 l6 [" H) q' n                      b1[jj] = vec1[jj];
1 ^) z2 B" w2 P  L             }
& z+ x' a  ^2 m. y' T2 v  f/ B' f
- y& K2 _) w7 K. C, J             for (size_t jj = 0; jj < vec2.size(); jj++)( @3 h8 s7 r/ ~9 T6 a
            {: x9 m2 S/ W! [  n  v: b
                     b2[jj] = vec2[jj];0 u  Q. r: I! D! V* A
            }5 q( S+ t5 E# D* k5 A# f

$ O& W' u2 V0 ]( r, ~             //Method - 1  N=100000 247s  6 Y* t; }- m  F2 k4 u
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
/ S( Q* M3 p8 S7 n7 y
, Y$ x! `% {0 m% j0 }             //Method - 2  N=100000  237s, g# Z/ h0 n2 y+ O
            /*  i$ e, @8 ?! ?; g4 m$ k. H% \
            for (int jj = 0; jj < N ; jj++)
% t9 H0 B* \; I; |1 W             {
% [  U; u9 Q5 j$ z6 p" H6 V                      fresult += vec1[jj] * vec2[jj];
0 e( I: r4 g- q             }& y6 ?* z( I- V$ x
            */3 ]4 Y1 g* d- L% `% f: x
                              0 q/ g  Q2 X9 F# {
            //Method - 3  N=100000 204s- G7 B! l: k8 f7 O
            /*
' v( c% X# p$ l; f# J/ d             for (int jj = 0; jj < N; jj++)
6 t, v: `2 I6 w# U& y. W             {/ n1 m  g) t+ J/ X4 C8 t6 ~  l
                     fresult += b1[jj] * b2[jj];
8 c2 a/ x2 ?9 @7 i# \+ F             }% P% q) j3 A& e5 \& t  S6 P, Y9 B
            */
' P1 z; x& b- f7 y( ?; K4 K  R9 O/ v" B
            //Method - 4 202s4 l* L+ e3 n6 r7 \
            /*
$ t5 r9 k: ^, v  h             for (int jj = 0; jj < N; jj++)
9 W+ B4 l7 L5 ]2 C0 C             {
$ T  l6 i# w6 B. j4 z& x% q9 ]) j9 G                      & u' Q5 ^+ v; |9 J9 ^9 p2 L
            }- U8 T2 T5 P: _" p
            */
6 F5 `7 ^% \) ?4 G1 o4 H: g             //comment out all methods, N=100000  202s             ; Y7 x; w( F; y3 S8 s2 o
      }- H  x: F2 C7 ?1 t5 W
% s, T6 ?# g; `8 A1 Z% a9 d
      delete []b1;
1 d! N5 O7 s& q8 r! f       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! }$ O. m& E; e9 \9 q( Z
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？8 O4 J+ C# C. W

0 P' ^7 \& h# L' y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
. m7 R8 W3 p6 L& d; O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
# l6 N9 C; b: ^' M T) ?! ?/ \3 b$ k
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& x" N' W2 O: N# Q% ?6 H
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)* u$ M# p0 ?" y, s7 N0 n K! v
{
( R1 Y4 [4 x9 V% E$ h$ m 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