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
# g2 v! F- g- j* E拉下来？拉多少？
0 V6 O3 X4 o. z( Q$ z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
7 M- j0 J' b; M$ O, M1 i; TMaybe 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+ t5 g1 } ?4 O" T1 J( P4 E
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)0 P; N w- ?! f0 F# e* {1 I
{
; w1 ?1 F3 _1 T7 ]8 w 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
3 j( D& W: u: A这个不是这么比的吧。。。# y1 ?& A) k' Z+ v
8 ^$ M) T3 I- D1 d+ S. B+ t
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
4 U* m, ^ \* O7 ]' R有道理。4 _7 S" G9 s) _/ T( M, N
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 00:201 |$ s. M( n2 n1 S& R
这个不是这么比的吧。。。; B* |. h. |+ B
9 j( \5 c O. ~: p& g
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
! C! {* f( c; R9 J1 N" {5 g9 }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
, }; X+ u' |( _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
# l% U, a; L2 V. ^5 ?6 w! z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
6 k7 s9 u/ u* t, V* S" Q6 h$ ^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
, c1 ]. b/ ?' n+ r* I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);( z, ]5 k& i, S! g+ j
      std::vector < float > vec2(N);7 K5 b6 c# q# ]% e  Z, }
      float* b1 = new float[N];
( O% S' V* d! P4 b       float* b2 = new float[N];
: I  ^% E3 ~/ W. }
& @8 _8 v  q4 }5 l8 V3 C% t       for (int j = 0; j < 6000; j++)
% b2 i' e# d1 Z# [, s       {! P. Z. ]& ?8 f; H2 I- n0 B5 A
            std::generate(vec1.begin(), vec1.end(), []() {
' ]0 M3 Y$ [% t* M. c# ?                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
: p* m3 S% D, S% Z4 }1 @9 r! p7 T                      });
7 L) A4 ^4 [( I" h  H, l6 u5 n  p. z- D( f8 |
            std::generate(vec2.begin(), vec2.end(), []() {# L4 v* {% n# V! U0 J
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
' N- R$ k% l  u+ M0 s( ^                      });/ |2 Q" c. `* j8 F
" Y2 K3 I; W- I' E
            for (size_t jj = 0; jj < vec1.size(); jj++)
, i' g' X& k; t1 |& K             {+ ?) ^4 B# t9 R! P4 C
                     b1[jj] = vec1[jj];
: c2 h/ K- n" ?9 S( K             }
1 n5 A. {( q6 y/ q# P
  P  o1 V0 f2 C- w4 }+ M6 c             for (size_t jj = 0; jj < vec2.size(); jj++)
- D. @4 i& M* e+ [3 T  Q! |; }. q             {
, b& v3 X) n1 C; Z( }* t" V1 w                      b2[jj] = vec2[jj];
: I9 a  s4 B) @; d" ?             }
# }  x' u5 v8 D5 B6 g; D* p. p5 q& O+ h$ `$ c1 U3 s& t
            //Method - 1  N=100000 247s  & f0 M' h. Y* U$ U3 O
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);- B- J' B3 F1 ~  ?1 ]% V

+ W2 m: n, z5 R: z- Q; w5 g$ e             //Method - 2  N=100000  237s4 X- z' I( O, O  q. M3 y" h
            /*3 ^0 z! u4 _( N2 c4 t  U
            for (int jj = 0; jj < N ; jj++)
; ]- u3 ?7 `- i' t' c( f* j             {( u+ P! W, \/ [/ [' u. c2 l7 N1 j
                     fresult += vec1[jj] * vec2[jj];
7 q) ]/ c5 ?3 [; P8 v             }$ T! d  t5 v& O4 g+ T
            */
; O+ s9 g/ U3 M( A" q" v
* o8 s; A2 D& I7 w5 J. q             //Method - 3  N=100000 204s
/ X  ~3 o% L' {' U# \0 Q             /** b9 k* m& @* O0 r( U% D3 G
            for (int jj = 0; jj < N; jj++)
; Z+ d% M6 B) _& z% I3 _8 r; x( i  c             {" D$ Q  E  O1 ~" U& V0 e3 `' g
                     fresult += b1[jj] * b2[jj];) b' Y& D7 g2 V
            }
0 C4 y$ o: D: v8 w             */
8 D% O: |8 K- T* s% K) K. w+ _# u& B4 q+ v4 ~1 r) {; \
            //Method - 4 202s
5 [5 e, K( t) ~! _, q4 _' y' D             /*/ H+ m% ]3 Y% z' D8 z# {; I+ X
            for (int jj = 0; jj < N; jj++)4 L& {) s" Q( `1 O8 P+ V$ q% |' y
            {
  t& H" Y% H) X: T! W* D
/ x( S# c/ }6 T9 t( |4 ~             }
6 r' O9 o# I  L8 k9 K: o4 X             */
1 N0 l5 w9 p, J% J" K) [+ s             //comment out all methods, N=100000  202s
* i5 f& Q4 S2 ~- o       }
% S: O1 v2 z  h8 g/ h3 ?: x; V7 B& W# y$ k# z# o3 k
      delete []b1;/ `6 s  E. d; e7 y
      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
( c/ H8 j, B- J* b: y: z1 ^0 z! o! L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？( o) y- G% C7 M% X% h
- a1 \3 C3 K3 Y2 o+ @" H/ N+ G" X K
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: ~* \
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
) \# y, h) J1 b% d( P$ t2 u$ k" U$ Z7 L' X) h1 F- t5 K
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 Y/ [8 d: t3 N
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)4 K7 x! {' E* W* J( \/ F2 c1 u
{
# N. r7 K q$ e; e$ S4 u3 _ 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