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
4 a, B) E7 W# C. d! Z拉下来？拉多少？
! K) t7 U! l+ H7 c# p5 v D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( V" S, G( C" M/ Z# A# v/ v4 o
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$ r6 {! y) a$ x2 M6 ~+ C- D3 e! {
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)$ p, U9 u; L% B+ m/ x" Z B
{3 F: R% |" r9 g4 _
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
. i9 l: s/ O+ C3 S( g V& x这个不是这么比的吧。。。4 P/ K" U3 v) \* `2 I. k; O
9 o0 s& Z# S. W) q6 }7 A3 F9 X
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
, }# w% _! H0 n# s5 j B% R6 O: `有道理。
3 `1 J( \4 s: b& ~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, B3 v; y9 L- w0 {& D% b1 W- K+ d
这个不是这么比的吧。。。
# c7 S2 n& m1 T' n/ F) q; T1 W/ b, D1 S
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 01:485 q$ l, {+ b9 V; v2 t
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
" }* z" f* `- w0 i- v6 ?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
- Z. |& L- Z' R$ R% 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! w+ P8 Q! }' p% M* P) I; l' {
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
( P. h- J& `7 K, F. `; e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);$ \- \. F* @( D+ |" i
      std::vector < float > vec2(N);
6 z6 {8 @6 i& f- \1 F" z# M% }       float* b1 = new float[N];
* ]& V- L( W# n! m& b* }  i# O       float* b2 = new float[N];
8 V3 p, l- t6 a! R) f1 S8 R$ D" H" n1 r# P0 g8 a: U
      for (int j = 0; j < 6000; j++). w1 ?4 \, L/ z4 p. H
      {
. j3 \, |+ a# P# D3 m             std::generate(vec1.begin(), vec1.end(), []() {
- }; C* d% g3 Q9 T; ?# v+ C                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;+ k. [: C! B, y' O  r
                     });# e7 M2 l3 w1 Q, v" g

) Q8 Z2 y6 O# q# z             std::generate(vec2.begin(), vec2.end(), []() {) V6 ^4 y' r: ~4 g- C2 C0 S2 F- T# i
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
& Z& c+ s5 A& ~/ |! D, a# f* n                      });
$ w6 O" V1 x" Z. v) v! d5 @' N5 c! J' j1 T0 c0 e% s
            for (size_t jj = 0; jj < vec1.size(); jj++)% b9 ^, ^( R2 ]7 y- g
            {
6 {( j; M& Q1 F1 s                      b1[jj] = vec1[jj];
# b  b2 o( B/ N' y# T' f" c             }
7 L6 y7 T/ S7 s6 d1 e# y- w8 ~$ S: ?9 g% _" p+ a5 F. j- Y' o
            for (size_t jj = 0; jj < vec2.size(); jj++)
. t* X. E& [% Y: l" `& N3 K             {4 k; \8 \& C4 h. i) H3 e8 }% O
                     b2[jj] = vec2[jj];! z2 Q4 _6 P" y$ R( v# X7 L( d/ C& D
            }
9 E0 @9 M$ _0 K6 ^; S! k
# I2 w, f: O9 P5 D  I7 f) G             //Method - 1  N=100000 247s  + ~! \0 s) c9 v5 K- ^+ [4 O
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);* x' d9 D! v7 m. W
                              9 E" X- G4 u. q6 G
            //Method - 2  N=100000  237s. S6 W* M% [4 w. R
            /*
8 b5 q$ X$ R, E9 ?" y             for (int jj = 0; jj < N ; jj++)  l- B4 e% m; V9 o% v' r6 ?7 f
            {# ~( m$ F6 U# a* x
                     fresult += vec1[jj] * vec2[jj];8 y' f0 }2 J' b7 E! K) }8 I
            }) _4 P( U. H2 H/ Y7 ?
            */. j7 |1 |9 \) O) k1 q$ [
                              4 j/ j; Z, x2 l) a( s
            //Method - 3  N=100000 204s0 k% ^" h/ `* W2 [3 q: R
            /*
) [$ q$ [( d" i& y             for (int jj = 0; jj < N; jj++)
% E7 e& E# f  |% |             {8 @$ D8 d5 ^6 W( D( }2 ~/ V
                     fresult += b1[jj] * b2[jj];
8 C, D: y6 R8 G             }
2 L% o6 ]. }' ^* X" Q             */
9 I2 L/ p- p9 [3 _! L0 p" J* h" n9 N- e5 t! D4 {
            //Method - 4 202s1 }8 l. Y- T" s
            /*
. X! U/ [6 H' T# {4 j/ s6 T! ^9 m             for (int jj = 0; jj < N; jj++); v" ~( {. Q' B  m6 `
            {
+ x- \) }3 I6 ]                      , i# |7 F$ b" s$ P& t" v
            }% Y( _* x- T0 S5 i2 `: B
            */
& Z4 M4 a1 L" z) T             //comment out all methods, N=100000  202s             8 i5 Y6 L, R4 |1 ^$ J, x
      }
; |1 \+ G. Z' ?8 D' T$ n) i* x! @( h; h* L+ i
      delete []b1;
, m; E! m( }5 F- ~6 m       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
# z) b* o# x- | }$ n; I* G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？
0 s5 g8 F* ~, \
, @' D7 o0 B9 N0 @4 Y" D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; g. D& g- t! E6 K) \
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
+ O1 c0 Y/ ^6 `
* h: Y6 t4 M9 ?( D# R( c2 x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+ Q. _. a7 i; `! h9 q6 Y& k
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
g ~1 w0 k+ N; |! b6 M! Q- A{
( h$ A* Y/ h8 V$ Y) _! h0 b: @ 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