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 23:042 ~+ T; d6 |7 M$ _8 ?
拉下来？拉多少？; @0 K' _$ \- o: @% t1 t! `
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 23:337 O6 I. h- ~+ k0 t$ }
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
# q. M" |" @/ ^- O1 Y0 I$ `, Dvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
) r# c7 Q: N0 [0 p- d: j' {, n; y{
% R P& `' y, v2 A: [ 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" J% b1 n8 {) Z; g* ]! X3 ^
这个不是这么比的吧。。。' s8 T- b. b# P& u" N
: [) H: m: c1 Q, e& w& U4 b& j1 }9 A
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 w& G5 ~4 f) Q' t6 {
有道理。
! b6 i2 P# i W3 r. _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 a, x) _' q R4 E这个不是这么比的吧。。。
: Z) K9 w9 c1 _! t" ^
, `& d: t4 f% [9 L# m4 u. 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 k% n2 f" ?$ r y# b, n
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' f ~+ D( X7 J0 M; ~* J
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& h# p; `: r; ]
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
) s. i5 P6 ]( v' 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 V9 Z. A6 F9 _0 i# j, n; D
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);
% Q9 W; e  `1 k7 P( {       std::vector < float > vec2(N);( n: D- |, x; Q, j, ~
      float* b1 = new float[N];# Y- i) Y5 C5 N8 Z! _" |6 a
      float* b2 = new float[N];) I' t* e, W1 ^5 v6 k1 ]

3 m7 N8 h$ {+ W# \       for (int j = 0; j < 6000; j++)' F1 T/ }  g0 u3 I
      {: g$ k- e( a0 H2 J# M6 Q  P
            std::generate(vec1.begin(), vec1.end(), []() {
% T' }) v: @$ S" f& d                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
/ |' H5 x5 |) C3 F                      });
( R' G7 C2 b; |+ y/ X6 M0 [7 t0 K6 ^( d/ H8 j& w  M' \, j
            std::generate(vec2.begin(), vec2.end(), []() {& d9 F0 o* n4 v: R+ T3 L0 @
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;) l; }" v* i9 q3 r1 |
                     });
9 Z) X% r- g5 k- q; j5 W2 ?) |% j. p" B& j" z6 ~
            for (size_t jj = 0; jj < vec1.size(); jj++)$ |! u( z- d# w% v8 l' ?' f
            {
5 F7 |+ m2 A! {5 @+ z; j) K                      b1[jj] = vec1[jj];, A1 }+ H' W5 m0 P
            }) T4 L1 x! J  x
9 U5 D: ^$ Y, o0 w* E  k) ?
            for (size_t jj = 0; jj < vec2.size(); jj++); o( R+ S3 k- W9 C5 v0 O3 l
            {- D. B( L1 s; f1 w/ {9 O& N
                     b2[jj] = vec2[jj];7 b( E/ R% h2 x
            }3 |8 a; P4 C) l9 d% L, _! Y! [; p

* r; ^* _$ D* T5 E2 u! p' b1 M             //Method - 1  N=100000 247s
2 d4 H1 C+ d# n* u  x2 b             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
8 O6 A7 R8 C- ~7 J
* I8 b. h, [  {* g/ k5 k             //Method - 2  N=100000  237s
- w5 W" z% V* ], |" w) u             /*# |/ R" C3 ^! K
            for (int jj = 0; jj < N ; jj++)( z* ?1 w1 U* j! U# O2 f
            {: e2 s; M- ~' V1 M) D
                     fresult += vec1[jj] * vec2[jj];0 o& ]' G+ ~, T6 v2 u
            }" T. @! C" h! s; ]& ?: P& t
            */
% Y2 ?, _( F  [
$ T. d# b$ D) Y# `( V             //Method - 3  N=100000 204s
- i, E% F7 ^$ h& C2 \: Z8 Y3 M             /*; S. M4 F# F0 @+ B; F5 {  T
            for (int jj = 0; jj < N; jj++)
7 |- \0 O( V/ U4 T             {
! P& t% a+ X6 U$ q2 Y2 a                      fresult += b1[jj] * b2[jj];
: E3 j+ b- S* w: Y             }
' i* M8 ^- \( f# V) x" E# O             */* E/ a5 ]8 a* r- J# C0 `

2 a3 W0 r2 w3 y% J             //Method - 4 202s6 q/ A5 H6 p5 m" [
            /*
# y4 k- Y9 x1 V$ k             for (int jj = 0; jj < N; jj++)
* A5 I4 I! y" a" ]             {8 Y8 j8 ~7 W* G6 D, Z/ B% C4 [0 H
                     2 e; G- N: t8 O0 s. z* b0 {' Y8 W
            }* A: @# [% P9 s' b
            */
0 W' q% C& |* t) W3 b/ y; a             //comment out all methods, N=100000  202s             8 F7 G4 Y9 t; C$ Z3 V
      }
2 W5 T- Y0 p; D3 N2 A3 f5 d6 l+ S' P+ y! \3 ~/ ?/ f; V0 E7 t
      delete []b1;2 i7 n$ I! E7 U! f! L
      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
5 c; p7 }' p3 Q' z4 F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. r- A1 x- r0 ^
! N5 e' g& Y. a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' q1 z3 \( p/ t4 ]; J. t
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
' P8 k2 h6 m% E& i9 y. I7 ~& y4 s+ h' {& v7 d3 r/ h
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* \+ g1 q" b) Z9 \' |# U
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)* G, M) R4 B& @; U0 U, B) d
{
3 {/ t, O& P0 d0 B* z8 \ 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