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

雷达 · 发表于 2022-9-28 00:56:28

本帖最后由雷达于 2022-9-28 01:09 编辑

是我自己的理解有误，没有优化的情况下，空循环如果次数够长本来就应该耗时较大。
有空时我会试试 SIMD和并行，看看能提高多少。
过去7、8 年没有正经用C++ 写过东西，没有 sense 了

。
谢谢大家的讨论，I learded a lot. 红包已发

雷达 · 发表于 2022-9-28 00:49:59

opensrc 发表于 2022-9-28 00:29
9 K. S" u$ r3 C I( F( e我有些迷糊，这样的code，难道不就应该时间差很多吗？也做了个简单的实验，你看看我做的有错吗: ` L! X0 `) ?) \/ l% i# s. j

' L. x1 R" J$ [% Y5 J- c ...

你是对的，是我搞错了。确实没有优化的情况下，空循环如果次数够长本来就应该耗时较大。我搞错的原因是在不自觉得与 octave 比较，而实际上 octave 是优化过的，和是不是空循环没关系，这种不同条件的比较是没意义的。

雷声网友说的也对，空循环应该被编译器优化掉，我的编译器设置有问题。

opensrc · 发表于 2022-9-28 00:29:10

雷达发表于 2022-9-24 23:54: j+ N5 Q9 G: m N- \
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)8 Y( [6 ^+ L+ y! e
{1 @' w8 ^. F5 F, K
comp temp, xtimesy;

我有些迷糊，这样的code，难道不就应该时间差很多吗？也做了个简单的实验，你看看我做的有错吗

四处张望 · 发表于 2022-9-28 00:12:35

你这个循环主要的计算时间是那个rand，这个循环本身占用时间微乎其微。
你的空循环，如果是现在的代码，编译器很可能完全不生成对应代码，因为没有任何输出或者修改变量，所以可以看到时间都是202S。你可以认为啥都不干的时间就是那么多。
与此对应用数组（指针）花了2S
你用vec1[jj]*vec2[jj]理论上不应该差30多秒，这里很可能是你对vector的操作带来了内存操作，你可以试试把初始化挪出循环然后再比较，理论上vector的随机访问和数组应该几乎没什么区别。

雷达 · 发表于 2022-9-27 22:41:56

雷声发表于 2022-9-27 20:39. X5 E0 H. L- G0 X6 I
这个时间是从哪里开始算的？$ ~6 U2 S3 m' o; O2 n- e
我怀疑这个200多秒里面有200秒花在产生随机数上了，真正计算大概只用了2秒， ...

我不管它了，回头 linux 下换g++重新编译，顺便加上你们建议的向量化。

雷声 · 发表于 2022-9-27 20:39:22

雷达发表于 2022-9-26 01:30% ~/ ?* P/ _( u* |. f7 F$ y
理了理思路，重新做了一个测试。7 P7 f+ l' S8 d$ P+ k p
做了两个 vector 和两个 float *, 都长 100000' ~+ N6 C' ?4 O+ C' p# h1 K# d
外循环 6000，里面先做随 ...

这个时间是从哪里开始算的？
我怀疑这个200多秒里面有200秒花在产生随机数上了，真正计算大概只用了2秒，用了vector那个因为有vector的额外开销，多了几十秒。
按照两个10万个数字的相关计算的规模来估计的话，两秒都算很长很长了。这个结果真的很奇怪。

雷声 · 发表于 2022-9-27 20:29:50

雷达发表于 2022-9-24 23:54
4 h) c7 z9 b( {. Z' \9 @0 _void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
$ T) ~$ E9 J$ H3 m{& ^& ?/ R" h- x2 W. x$ p
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。

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？

机器猫 · 发表于 2022-9-27 02:06:58

雷达发表于 2022-9-27 01:16
- Z( M D' x% r; a5 E3 k: ^4 y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
) a7 Q" w3 l* Z$ j7 u6 I# c( i* s! W
( U! p( |: s% i+ {8 G( C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

雷达 · 发表于 2022-9-27 01:16:03

机器猫发表于 2022-9-27 00:15
, ]* i6 Y+ G+ W( 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？
$ L9 ~, i) X a8 D2 q i0 U, @1 Q4 X" I9 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 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 2022-9-26 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( z. T" k! P3 T; V! l& o
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);( _+ ]3 ]0 y3 d9 W* N4 q) N
      std::vector < float > vec2(N);% E" g$ I7 ~2 B; X- h* H
      float* b1 = new float[N];$ }, t! R# f' K2 C1 b  N1 H% R" \; J5 A
      float* b2 = new float[N];
8 a3 V# V- A! i7 P
: m$ _; b; B4 g2 U# X       for (int j = 0; j < 6000; j++)) S% m9 G) h9 q2 X4 }) _
      {
3 O9 C0 @2 S9 r8 |4 T- H; C             std::generate(vec1.begin(), vec1.end(), []() {
) O8 E$ o+ F) r                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
$ w( A/ f& Y( g; d0 ]                      });1 `) T) i/ g! W5 g( a* }* v
) F+ o. ]; t$ k: f- f3 g) z) M
            std::generate(vec2.begin(), vec2.end(), []() {
& E3 `6 L* J* ~" r* k7 s1 `" Z                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;9 C7 I, F0 X" a; a6 x, H( r
                     });
* ^; s' \1 g  a$ K! {5 D" N8 k" U
            for (size_t jj = 0; jj < vec1.size(); jj++)
& e$ X) Z0 ]; A1 E2 j             {3 k, v- y/ R: q& D+ H1 q- h
                     b1[jj] = vec1[jj];( @6 M  A0 A* Y  E* M& v7 s& W8 n; @
            }
5 ]6 _3 F" m9 ]& R- @6 L* o  Y& s) w$ a/ h* A# o
            for (size_t jj = 0; jj < vec2.size(); jj++)
& f8 j! }2 R! h1 W4 W; k; g             {
, `4 Y4 y" f2 `( Q( S6 X                      b2[jj] = vec2[jj];
7 U3 E: H; `* H( W+ v" y             }
( v" q' U4 T' r. n" E7 }9 Z8 D( I: x" f0 @3 m7 G
            //Method - 1  N=100000 247s
8 |& B, {+ B, _  t5 ^% K6 v             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);! W* ~3 j$ B6 g" T- ~0 d- ?  ]

. F4 e4 h9 x% N% z; ?             //Method - 2  N=100000  237s
. X4 e+ r& q( W$ d4 \& t* h; _             /*
( X4 b3 r6 L+ m1 E( w) T' N+ s             for (int jj = 0; jj < N ; jj++)5 t9 j8 s0 i( ?( |4 v
            {
1 a; i9 _. M' F: Q' `8 J                      fresult += vec1[jj] * vec2[jj];( J1 M, a2 l/ Z% e& c
            }
, ~  ~# `  s: Y' P, i' _& h: F             */
7 N1 _; J0 {! t" D6 v0 |                               2 O; ~/ u0 K5 o+ K
            //Method - 3  N=100000 204s
* U: \6 s' C2 o0 b+ P9 A) o             /*
7 O8 F% m4 G$ C  b& z3 J             for (int jj = 0; jj < N; jj++)- a. A, Y9 K$ G. N# L
            {* X5 ~0 o, [4 C5 W& a% \8 J0 C
                     fresult += b1[jj] * b2[jj];" M4 C( @4 U3 O4 [
            }  d1 r' k! t- }& i# m2 ^* N1 `" j* ~
            */
& p' ?. u2 w7 `) Z+ t& |! M9 ^  F4 K1 }+ g, _5 u
            //Method - 4 202s2 H; t" {- H5 Q3 Z
            /*, D* b  i  F  z6 h$ V9 `
            for (int jj = 0; jj < N; jj++)4 D5 V, r1 v2 u" s, ^
            {
6 A/ e5 I, X2 s8 Y& v" n                      - o4 G/ N9 X4 w% o- }6 g" w
            }# ^. m: P! U8 @. k9 z" \
            */
3 {! F" G# J$ b5 E* Q             //comment out all methods, N=100000  202s
$ H( J1 _- V) i5 `1 H  {       }
! d# a* O( n% {9 ^2 o- T& G
5 ^3 c, I/ s/ {) H( q       delete []b1;
' O- D" c0 B' k. O2 r, M% z- |       delete []b2;

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( ^& M, L. @# E6 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 ...

能不能把这个也贴上来，看看和上一个有什么不同？

沉宝 · 发表于 2022-9-25 05:51:23

雷达发表于 2022-9-25 04:47
I# o {. G# N9 W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。

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
+ W( d6 v6 u( V5 {+ [9 \2 {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。

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 01:487 u6 d ?! s8 Z: _; ?
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。

沉宝 · 发表于 2022-9-25 01:48:51

数值分析发表于 2022-9-25 00:20
3 T6 V3 S- W# R) I这个不是这么比的吧。。。" n3 A4 {# C9 G3 C

, F6 s0 S7 Z% x: c k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。

沉宝 · 发表于 2022-9-25 01:27:53

雷达发表于 2022-9-25 00:46
0 V" y' ]( N9 {/ Q, z) d& }9 `有道理。
) B2 a1 V/ F- I: U0 \3 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?

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' L# Y8 d1 }+ {% T8 N. q% ~& E
这个不是这么比的吧。。。
2 m% @ f7 B& x( w _. s+ C3 ]" A I$ p/ _2 S1 V
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

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
% D/ V& Z6 D: A% uvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)2 F9 T+ q4 q; B i5 [- M& T
{
( @/ i _2 v3 i$ q' f" C 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？

		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