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 r& J8 r1 o1 g% ?# c8 I* Y! p拉下来？拉多少？+ V- {& a5 n# H
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& m* @' G2 I( W2 i: k$ p
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 23:545 V7 G; V5 N$ c1 d) _7 f
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)9 b! P$ o' x7 Y) w8 y a
{4 [! S, W! c! C+ m6 N0 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
; b- C, |6 W2 r" l T9 Z这个不是这么比的吧。。。
9 N; b/ x ]2 J4 f; f5 q3 F3 N! K) y' v' f! L: f# [, I, [
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' p7 X- m/ r0 d6 z9 n9 x
有道理。8 u* `, g" z O4 k# w0 v
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
7 d5 F. V2 C n0 J4 Y* k这个不是这么比的吧。。。1 m: A) \, j" b+ l0 _1 L

6 `( S2 h" X9 J# q( @. 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" R, q$ h5 w6 g9 j! ^/ M) _! 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
- J/ ]. M' @+ E. g0 X6 J* J- P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 I0 m% a+ A. h! o1 Q5 u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
' j( o! t9 D' A% D2 v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 14:588 d( @. Y4 Q5 m5 M4 m6 D5 @: ]
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);
. z( [  j4 h* a% e7 ~+ i+ H       std::vector < float > vec2(N);
. b. l$ T. L# ~       float* b1 = new float[N];6 [. D: N# w: f9 [- T5 S# X1 u, V
      float* b2 = new float[N];7 c4 @& b& m% ?( x9 x/ F
( H2 M  }% a* C4 p' _
      for (int j = 0; j < 6000; j++)7 Y& Q* B3 M% }2 N- k
      {) _  v( `/ }8 o1 M  ^
            std::generate(vec1.begin(), vec1.end(), []() {
- s' b, N7 {# j# B0 m6 _                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
  Q" |+ x$ |- |/ a9 V0 b! A! D                      });
$ P/ L, H3 ~' o7 J' L9 U& m/ x$ [4 w; k' P$ o; q# y; [
            std::generate(vec2.begin(), vec2.end(), []() {% s$ u7 R- ?" M
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;4 s) m( r' p9 J  O
                     });
3 ]) z) {1 Z' J5 g- Q  O! s- L3 ^. H; v# ?) }- w- t6 X- P
            for (size_t jj = 0; jj < vec1.size(); jj++)
: R1 c" q1 k; z$ I: Z$ f0 p             {& H- p; y: B4 ^1 N5 {3 d8 O
                     b1[jj] = vec1[jj];
4 r/ \" m; K" E$ F             }
* W4 P- P6 d( o3 O) M% G- d8 ^' `$ w3 N
            for (size_t jj = 0; jj < vec2.size(); jj++)8 ]) }7 H. Q- _, L# a5 n- `
            {
* t, u3 c! O( s$ c' ~                      b2[jj] = vec2[jj];
; x$ u; w% n  {             }6 T6 C3 I1 a3 S6 p0 x6 m7 e7 `( P

7 P* Q7 F( j# {9 I8 E% }- P, _! f4 Z             //Method - 1  N=100000 247s  ( U% k2 k# Y( _, H1 r
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
8 v+ y5 }( }+ H% c0 ]& B; i) v
8 w8 Q/ f% J: e" r( u             //Method - 2  N=100000  237s
) k4 s  \  U, |5 S" G$ P& N8 N0 W             /*
3 ]+ f' z; a; o3 J& V             for (int jj = 0; jj < N ; jj++)
& j1 ^) J2 Z6 _/ }3 R& r' m8 R             {
1 b0 a: v' \# V9 h, E2 R                      fresult += vec1[jj] * vec2[jj];
$ o# h! [% x# T2 O: l( O4 U: n" J# }             }
6 q* k, n! ^" `; Z$ z0 }, I             */! y  \- }2 K3 B- J* k& y
                              1 |5 |' C; E. J2 h7 o
            //Method - 3  N=100000 204s. \5 T8 i: @& i+ t# z
            /*
: U$ M6 D0 U: }' I2 M7 i             for (int jj = 0; jj < N; jj++)
. L$ B# ]' y; r6 k# z" s             {
: a3 C1 ]1 |% ^/ z                      fresult += b1[jj] * b2[jj];
' m5 q4 i% [7 ]0 G, S1 o             }; J, V) a' \! z6 _8 u1 N7 M
            */
4 e! P4 Y* m& s) P( h
% X9 Y  l  a% z+ P+ `. Y             //Method - 4 202s
& X1 H  F! k; p' m& r# C             /*9 N( g7 a; I" z2 T6 o% B2 T
            for (int jj = 0; jj < N; jj++)
; v0 U6 f4 X- M" i! z5 W" h             {4 l! F! w) _! X3 F# u

+ t# S, A# |3 J' X) n" K# p; K5 _             }
& W7 J+ \) Y2 |             */  N! }0 ]" `( ?7 _- ~
            //comment out all methods, N=100000  202s
5 [" u: q0 z, y% v6 K& I7 u       }
4 L% O3 X7 z9 o0 l* B$ Q
0 E: ]$ W9 g5 w0 G, `# ~0 M% k! _       delete []b1;
8 I$ Z1 ~6 R2 Q       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: X" ?* `# x2 M+ \5 ~' T
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？; Z, V$ n, j( X R9 y

$ r2 L& a7 s5 a0 y, l& B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. C( M4 b. s1 T$ l
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
2 T2 n# Q+ o% s2 v
5 q1 B4 {) p/ c0 F$ \% e; ?* 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 23:540 x; {0 s) F; H: ~/ p
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)9 f5 y3 u' u* n( W+ `! S# C7 q& d
{
( a( b* c% j1 C+ {: E 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