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 t: U3 [) g& }' r/ e( J
拉下来？拉多少？! b6 ~% k- s% F. n/ s5 @
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' t7 U$ P0 U Q2 C# w2 Y% w
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 23:542 C1 [. B6 v- c
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)' P7 ?8 Y2 B' M- @. L& G. \
{ v/ S( Q: {+ W7 r3 C1 A8 r
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
+ |# o! N/ L: L6 z$ [( M [7 c这个不是这么比的吧。。。
2 F5 j$ }) N, \! F/ [9 Q8 k7 I
/ X! Z1 y% l# H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
; U# T$ K( }- Q* e9 p. F有道理。
" T4 T- _8 s3 j3 Z! j8 O4 c& `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 B# C; g: t# m/ d$ b这个不是这么比的吧。。。9 a& w1 s1 ~/ L+ F7 t7 Z
& ^) U1 j9 f7 H# ] I- k& 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 01:48
! H5 q- a5 \" d: 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; A/ t/ Y3 m3 H; \& S: W- ?3 D, P$ F: L
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
0 U5 S/ D9 I5 G! b) U: B6 q0 D1 K4 s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
* B3 t1 v s% f, _, N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
0 w1 e- O ~- F3 Q, b3 T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);
# g" l, l' K0 l6 S+ G       std::vector < float > vec2(N);* j6 ?8 l2 N& R# l" Y. c
      float* b1 = new float[N];5 C; {" ~: A7 K
      float* b2 = new float[N];
4 m2 |8 p/ q! j' O: n
. x8 n6 h( d% ?* `  q       for (int j = 0; j < 6000; j++)4 U* X; y( ~, j, a
      {% A* B$ @3 E4 q" w' W
            std::generate(vec1.begin(), vec1.end(), []() {
( r  }/ v" ~; Z+ S: j8 _7 Z/ a3 S                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
6 z* _6 X' k0 C& A4 L) F6 b) u                      });. B3 K; f  g- y% W& X& d- T

- ]; ]' B) A2 Y3 O8 y             std::generate(vec2.begin(), vec2.end(), []() {/ ^% p. V. }% p- {/ I
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
2 J' ~, w, v2 {8 W. j. d* m                      });$ P3 z3 _5 ]5 ~$ f* L6 N7 B

! ~3 F* u. k* d1 K# G+ v4 \             for (size_t jj = 0; jj < vec1.size(); jj++)
! w2 [) U* \' z" f             {
* U2 n+ K/ `3 Y, V8 Z% g3 A7 l                      b1[jj] = vec1[jj];
/ j6 A/ {9 C, \4 o             }" t, e; I' r4 G" _% z5 U
1 n' P1 B1 `+ X
            for (size_t jj = 0; jj < vec2.size(); jj++)- t/ p1 d0 K3 E6 y/ V" C$ K7 L
            {% U6 i' J5 ^! X; c) ~" W- |
                     b2[jj] = vec2[jj];
8 ]; ]0 l6 e% Y0 j6 M             }
0 V7 Y' {! F! y( J+ W, G" R' A. y; Y% l5 W
            //Method - 1  N=100000 247s
3 l* B* [/ K' ^/ I8 v8 v             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);. v+ I. V  y8 z, M& o

: p# u6 G2 ?  a' X$ E( D- J             //Method - 2  N=100000  237s/ r0 Q( E3 L8 j. W2 B, w. \
            /*
; l! e- c% {, Y  I: L2 B; E             for (int jj = 0; jj < N ; jj++)
) v. B9 e  F  O( a* w1 O             {8 y( B$ k" H" V/ P
                     fresult += vec1[jj] * vec2[jj];3 x6 Y  m( e) g
            }
$ h2 ~* O5 m  K- @1 v" m  r             */2 {5 t+ |# `0 s" A( G' o
                              % M0 t' d7 D+ [! A$ J, v
            //Method - 3  N=100000 204s
% w7 I5 g% L3 i& j, L             /*
6 n$ @# L# K+ M& K( d             for (int jj = 0; jj < N; jj++)5 h0 h# o- S7 {  u2 X
            {
- K0 A  |6 ~1 K& Z# |                      fresult += b1[jj] * b2[jj];
* z4 ?2 c+ r3 Z7 H# x2 t3 q             }8 u, X& O0 n* b: ~# G/ c2 p
            */6 \+ _/ c/ a: n9 B' Y

# x: S; T5 c0 M; p( b; M4 z# F7 \             //Method - 4 202s4 f5 j0 p; Z# l0 W! i
            /*
5 l& J: B; Z: x* q6 j) k( }3 B             for (int jj = 0; jj < N; jj++)
) y& j# T/ N9 B             {; w" K. ], I3 n% n( f  g

" W. y7 S* w) y             }
' O3 F+ V  a0 A! E5 [             */
) c8 ~5 D, |. ~! y             //comment out all methods, N=100000  202s
" d9 R7 ]: Q* [& H       }1 x% M) l0 f7 B5 K+ Z! L, _

3 X& y' P* P7 m: w       delete []b1;& R0 \2 l2 Z) i& v8 O4 B
      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 00:153 N! g5 P" r9 Q5 Q# D* n
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？
) L8 o! M' d/ v7 j$ I# m% R' w7 `9 W8 n! ], B
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
$ R" g3 B4 c6 T) P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
0 \6 T: c. Y0 D7 P3 h
* h$ j# h) X- p8 x4 ~3 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
) _$ c9 S6 ]% Y% a' ^% mvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
: Z5 A' b( Z4 P! d{- } V6 g# B3 A- l
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