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
( W; ^9 Z7 f+ [: [1 O4 o0 S拉下来？拉多少？
% K* h% o0 ?( q! x: u5 Y9 l1 ]3 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
/ J: s$ k4 h. W; w; Y- T2 Q- lMaybe 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
$ y8 K! u0 o+ M' _! s( k! Q1 j) Ivoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)) E% m! U( p9 _( E3 R' X# O
{
" v7 E1 }+ f2 V, E/ X" _" l) { 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
0 k7 \, w& A& [5 }* J: L这个不是这么比的吧。。。
3 }# S6 {% n* [, `) {! X( L1 e8 n: a- ^) @+ E# @
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 00:461 j$ i" s5 @0 K0 _7 Q0 h l2 D- c
有道理。3 C: q9 }9 y* i! r1 E, G
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$ S+ l. [$ S$ O7 b$ O3 c7 Z3 {
这个不是这么比的吧。。。1 D. w, }3 i, j
. ]- U9 t& P$ }9 E
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' {8 m# K, G1 Y
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
. ~1 k8 B9 Y9 }8 c2 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 04:471 A: G0 e. Q2 J9 e# A
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
# U, V2 Q* s1 W* 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 14:580 B0 C- G- j& O/ `: 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);  b* f) }1 j8 y
      std::vector < float > vec2(N);, G9 C  E2 F& Q, ], C! o( v1 ~* v/ V
      float* b1 = new float[N];
) m9 c' t- ]9 h4 H2 r- y       float* b2 = new float[N];1 f: ?/ h& d+ Y$ U/ i
5 ]% j. K8 u( A& |1 ]
      for (int j = 0; j < 6000; j++)
2 E6 f4 j" p: ~$ r       {7 _; p' y; Y) [- p9 N1 O1 \0 M
            std::generate(vec1.begin(), vec1.end(), []() {2 s! t4 i! a+ T( j
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
" e5 O% t6 h) J- a1 t                      });
$ b1 a& m$ t1 K: d4 I/ J
* A7 v" ?4 n& L' o$ C; n             std::generate(vec2.begin(), vec2.end(), []() {- _9 j* r" ~5 G$ v$ j( u- J0 R
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;& l* ^& B4 y3 ]+ b1 U! \
                     });% K+ R% J5 j+ M% I) D, p+ l

9 o1 q5 D$ f7 ^3 j% j             for (size_t jj = 0; jj < vec1.size(); jj++)$ X# x2 t4 |; n1 W' t9 o$ A4 w
            {
! c) F" U( U. u8 |7 U+ Z                      b1[jj] = vec1[jj];$ t5 l3 c( m. \1 x8 M2 l
            }" y9 F( m4 o2 g! n5 Q

' r9 R$ h, d- s5 L: o" [* [             for (size_t jj = 0; jj < vec2.size(); jj++)
& Y$ [5 s3 X8 g- @% u- C4 k" o             {. W- l4 @' K7 g& H2 N% k
                     b2[jj] = vec2[jj];7 L/ N1 e" S8 D; h! j$ Z3 v
            }
+ w& x3 q8 Y2 X8 a! o4 q  h9 D* h2 V& |- o) E
            //Method - 1  N=100000 247s  + ?% Y  y/ Q5 W- y6 M' L6 M
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
+ Z" C9 g: i3 ^" h7 G) U
+ E4 R' x. @" B7 s. s1 h             //Method - 2  N=100000  237s! \9 A8 t: w1 t, d' {) O# t! c
            /*# Y9 b! K  }2 X7 e5 L
            for (int jj = 0; jj < N ; jj++)
# P, I. R9 I# i5 b# o2 u% S% W1 J             {- D2 J' J  {* C8 B# k2 E
                     fresult += vec1[jj] * vec2[jj];
; _+ I  [. M, n             }) E" p% v7 p) C' U
            */% O8 q. l+ B: K9 [+ @. K" x: N
                              3 O0 i6 ?2 s0 X
            //Method - 3  N=100000 204s
0 ?- ?  R. |7 ^$ o& l5 a             /*! F/ \  i2 I3 x4 c* L8 k+ G9 g' w
            for (int jj = 0; jj < N; jj++)
6 @+ R2 U6 T$ m8 F. h' J* [  @' j             {( c1 y0 b: k8 _9 Q: P. o
                     fresult += b1[jj] * b2[jj];
# z5 a, u. z, F4 T9 O& [# w9 d             }$ E6 B7 r' J( q" {
            */
+ e! i2 g/ ^* m0 }  Y) u1 ~0 F1 r  F$ v
            //Method - 4 202s
" X% g1 T9 p/ u9 b- ~+ N             /*. `( R) E0 o$ g# f( q/ @: b, Y" d
            for (int jj = 0; jj < N; jj++)
3 n8 h9 e* a5 J1 w- v. G- X0 P             {
* z7 B% R1 z4 Z2 E( P9 x$ A                      9 d1 s5 F; M& o% l! G, q$ z# z
            }3 _/ e+ Z) \( }6 G
            */" q9 b' c9 [8 y( t5 Y
            //comment out all methods, N=100000  202s
7 F0 _$ v) J' C& G       }
# X) {* V5 V8 u$ Y( V; A, Z: `# A! O# ~7 ^
      delete []b1;
5 ~) O' C5 O* _. O3 |5 u       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 T/ P/ @4 M' J
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 y% q$ h; P- h4 ]
7 f. c' `) \$ C6 v, Z6 `+ m
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; t3 p1 D! g! e5 O+ G) E& B
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
$ ]8 e3 r) v6 l5 {& x8 p2 K4 l, g% e' p! y" 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
: h0 k/ X. L2 avoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
1 ?6 G( [! L+ m7 R{8 k4 l5 I2 g* g6 u. K
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