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
2 m) [0 g: O3 T) r, R; o2 x拉下来？拉多少？* Q- _9 v4 c" B. ^6 I
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
" f! |8 e# {6 \' xMaybe 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 23:546 P2 e! s( I4 O2 E! v l
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)# r7 _- ~4 s6 W
{
, X5 i' Z( M2 P5 E 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
5 k: l7 O8 x0 Y3 Z" [! X; S这个不是这么比的吧。。。
& k$ _" k) Z6 p" o! f% ^4 E( L2 _- _# j( z }( b) c
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
7 f: k' E+ {3 q4 {有道理。
6 I: r# }; Y5 r u6 s0 {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
- t: S# ^. @5 y这个不是这么比的吧。。。
! s+ A; X" L" A& h# ]& E7 v; F1 L6 J* _& @: o
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
+ Y1 q6 ^! d$ M! Y1 ]: z V; C7 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 01:278 h+ }4 s- O8 c* N
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 04:472 k! U' r+ Z# c- q' J, E; v4 z3 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 04:476 w& @! \ s* a {8 y
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
7 H) |) B9 x. E& J9 P0 L' _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);
; S" r/ w1 R; m, a; R       std::vector < float > vec2(N);
+ v0 R, |) g% C- n4 U9 \       float* b1 = new float[N];, q2 N+ `  ~/ m. c# n+ z* _) n
      float* b2 = new float[N];
: I, I" a# }4 V& G" E
) C. I- `$ }8 |( D; e2 g; Q2 l       for (int j = 0; j < 6000; j++)
7 R& F* S( N% f9 y8 D% D# H4 P- ]       {' @+ M1 S- z+ k" q, j  S
            std::generate(vec1.begin(), vec1.end(), []() {' a& b4 B, f7 z8 n
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;' C7 d: o( _' q% m
                     });
) k9 Y+ Q# d( @' G/ L! t: o; j* ]. F) g. b8 L1 f
            std::generate(vec2.begin(), vec2.end(), []() {* V( `9 D" Q' u+ S  p1 H4 N" i
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
- ~! {& J5 w6 g0 F1 k& g                      });
# \1 w* ~# J* z6 L$ F. Z% D: j" s& [7 p& G% [5 D7 E9 r
            for (size_t jj = 0; jj < vec1.size(); jj++)4 J) N- S4 o" I& U( l5 A
            {
! e2 B5 S" `' z* U                      b1[jj] = vec1[jj];8 K& Y5 ~0 w& V; h: q
            }: E5 o8 Y0 S0 d; E! C
$ t0 C1 R2 Z! B. p# G: y8 @+ W
            for (size_t jj = 0; jj < vec2.size(); jj++)  V7 {. X6 E" i, l! \
            {7 [, w% x  D( s  w! f! x( o
                     b2[jj] = vec2[jj];
0 \# Y* S% u8 |) O2 z             }
5 I: d5 z3 X7 M( s
! Q. W5 Q0 D7 J7 t) R$ F+ J             //Method - 1  N=100000 247s
! o: N- ~8 d( w8 D. ~3 h4 `             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);: i! z% R- Z7 R- m( r) E
                              1 _9 _3 m  v9 N4 k. w+ B
            //Method - 2  N=100000  237s$ U# j0 t) G: Y7 T1 S& }
            /*7 R# c* ]$ G+ @: T
            for (int jj = 0; jj < N ; jj++)
" T" T+ s& R) V4 F1 H5 j             {% }9 O7 F# G0 J' C: L* B4 \* e2 x
                     fresult += vec1[jj] * vec2[jj];
( u1 B1 U5 H" D/ c& e             }
/ ^: ]' d( K, G% I             */
- L! Y% ?* ], f* z4 l. P3 f; q1 n                               + I3 l* R: g% `& z6 I" V
            //Method - 3  N=100000 204s2 f% E: R" G1 T6 o4 ^' T  E
            /*
( Q. F: J3 T2 |$ t) @' S             for (int jj = 0; jj < N; jj++)
8 ]# A! e" t6 J* e8 q% o             {7 [6 b+ U- Y, K/ L0 [1 W% H" a4 b' c
                     fresult += b1[jj] * b2[jj];
! a7 Z$ M( @5 a+ ?: m5 v- G             }& K/ A: `8 t  ?. y( s
            */9 u% k! x$ _  E
% q/ D: b; r* C
            //Method - 4 202s, m5 E+ ?, M% w$ ]& R. \
            /*
: L, u5 _; @% T& d2 {! W# `. }             for (int jj = 0; jj < N; jj++)1 D/ e" l3 R. ~2 p. M
            {9 ?6 L/ R2 c4 X

/ ]$ }- z' h9 Y8 I             }
( {& R+ o$ A% y$ n             */
' e2 H3 j3 W. l1 @             //comment out all methods, N=100000  202s
" D$ n# I% G: z/ f) N# Z9 @1 U       }
7 b# t; @: g) B7 f
3 |0 n  L7 g+ g% J, y       delete []b1;
' i& V, Z$ ]# n" |       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
" v& b+ I! _9 M" w5 B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？
" \) v# q8 G/ g: b, u/ l S$ ]/ I5 X$ q7 x" o
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
1 I, C/ v% ^" z+ l6 O3 [* 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、LOL9 N4 b, m' P* j6 {' P
8 r; S! ?4 ]% P7 h6 g+ R
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- `/ F6 F0 i' K) V
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
$ Y7 n7 | v( Y. F5 g! E{! {& w9 C0 m+ l" U$ E6 d' f+ i$ r
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