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
7 _7 N1 Q2 G. D2 T拉下来？拉多少？
3 h! r/ D* F& V" H$ E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
& w7 c7 ~ F% i$ L+ B6 ]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/ B9 E! P2 c: m; ?# Q
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)$ }$ F+ H8 e. a2 i% a, R8 J
{
) R8 \; R; M! ]1 ~, U 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" l4 R: I6 P. b# b
这个不是这么比的吧。。。
! B$ a# M) C6 l) w% n( d
1 r+ K0 z# n+ ^% |+ p4 P! E% u! |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! l) I5 b% Q1 ~- _2 o+ d
有道理。
' n: L* d( d7 P0 w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
8 p; T5 P$ M% k/ [这个不是这么比的吧。。。: C q" q2 V4 b: i9 c% R8 U

5 ~5 |" d9 y0 p) 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）。

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 01:481 n. V8 R/ S& H- d- 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 01:27
; s7 r& Q% x' G' n- y P j; W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
4 o9 v2 T4 N" e+ 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 ...

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
, Y) }) v3 B/ k* ?$ 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 d# T/ a' _: 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);
# B0 x5 ?! \& `+ N' w0 G       std::vector < float > vec2(N);( y* B0 g  l' o9 l
      float* b1 = new float[N];
  k, f* _% V. W7 N       float* b2 = new float[N];
0 G, _3 j$ B( S6 d$ g: W5 X5 A! p
$ [* {) b8 h/ h2 n; ^. _       for (int j = 0; j < 6000; j++)3 h$ l* _% ]& w- R
      {1 J: {( H5 W7 u
            std::generate(vec1.begin(), vec1.end(), []() {
" F. s* F8 ~/ g                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;; a' Q% n% l( n
                     });
* w8 w1 d  \. d+ K) ~, e
% ]7 x' V0 F3 l" r& p             std::generate(vec2.begin(), vec2.end(), []() {) S; [6 f6 d# V0 ?* J& _: C
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
2 t0 T# q6 [0 L$ |                      });/ o4 [) T( F% i- f$ H  v

" |2 X0 C) G6 ~2 z$ P6 {; Q2 N             for (size_t jj = 0; jj < vec1.size(); jj++)
6 |, i' M- Y; _$ T1 b             {
' S& T4 @' l" m  w$ d( Y  D& y6 O                      b1[jj] = vec1[jj];
2 G4 z% Q4 x* u7 |1 o2 c             }
0 J9 Y$ D7 [7 L4 ~/ X
1 S+ [1 q' i+ D5 s7 \: {! M             for (size_t jj = 0; jj < vec2.size(); jj++)5 r- }4 {' [0 M( h! \
            {
4 ]* L2 ~/ z, k+ B3 A, t. r6 {                      b2[jj] = vec2[jj];
) a. D* t$ Q. ?5 z3 m% I; X             }
3 s, S& R/ Z8 {1 M' i* K! k8 c5 ^# G/ o' g, B7 f; s
            //Method - 1  N=100000 247s
1 V/ y4 x4 o1 y/ _9 n             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);/ N* V# m1 L8 z. y
                              * P* Y1 J8 A! D8 \; R
            //Method - 2  N=100000  237s
/ e& ?; f: f( c( ?/ R             /*" P. e9 l5 X1 h! j6 r) j& M
            for (int jj = 0; jj < N ; jj++)
9 s/ y- I, I# J4 X' U+ j9 k' j             {) |! c' @- o$ B8 |# a
                     fresult += vec1[jj] * vec2[jj];, |3 ?1 S! N6 E) w+ J7 ]: ^
            }
( [$ t+ X6 ~' c9 y' g             */
; n$ j0 Z" U2 h0 R' a$ S/ b
& `7 ^8 @: x) n+ n' |8 A             //Method - 3  N=100000 204s' i; I( t. n: R) E' W
            /*6 Z9 d0 r  _6 n5 t
            for (int jj = 0; jj < N; jj++)
" W7 _6 W* q6 i             {0 ^7 ~3 Z8 @! i; N; t0 J! ^
                     fresult += b1[jj] * b2[jj];
! K- X0 N$ A! W             }3 Z* E0 ?! m+ R6 q6 o
            */8 \2 }, T- M1 x- K
% m8 V6 @* d) }
            //Method - 4 202s
+ ^5 T8 M8 O2 E$ i* w% `% _0 }             /*
2 W) M/ \' y" @             for (int jj = 0; jj < N; jj++)9 B" c! C; U5 A* ~  _0 H
            {
. W3 b: I2 y2 L) ]                      ; ]) w$ ~- ]9 |; T) V* Q$ J# Y: d
            }
3 z% }( ?' u2 r3 g             */8 M4 h% w# c) {* J( E+ T' b0 l* e
            //comment out all methods, N=100000  202s             - _+ x9 r; H1 E: ~0 Z
      }2 w2 Y$ G: J" F6 p. r

" X& p% ]5 o' m# O: V       delete []b1;: E9 O' j" H4 \  i* T& E5 W
      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/ L% t* }" G$ t; l7 p( |8 K* q, R
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？9 i) K. q6 k8 U, Q4 d

! @2 o% p, y2 x2 A7 i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& s( N* x8 V7 f7 Z* U
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、LOL0 y( @/ q, Z$ z+ f3 k& o

% y+ p* s& _9 p* c# V3 b* Z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 Q2 g. u1 p/ a: [/ O7 M6 Y* t
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
1 j% r: e9 \) i5 J{( f# p! d# c* @- Y2 `$ J1 l
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