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 23:049 {) c* Z3 u# k7 U# C: \
拉下来？拉多少？
& d3 z2 z. z9 G2 |* E/ s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
O" h* [4 F o* P! \2 oMaybe 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) o2 Z) N/ d1 q4 f. G4 A
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
) n2 z+ v' ^2 ~2 k) Z{' p% `1 [8 Q0 S3 W3 C0 X$ l v
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) T* }$ e* n' c! ?
这个不是这么比的吧。。。9 R3 F* c- R- z, o: k! Z3 r; `
5 f: k* }; G: M. R
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% t. W* M7 d7 a. {$ i9 L
有道理。9 l+ a- h0 v+ l3 L% m
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
9 T9 W) g$ }! ]0 e; ]' M4 Z这个不是这么比的吧。。。
8 o% X8 N J6 e/ ?& ]4 N2 y
7 n" {, t/ h+ H7 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）。

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" f# R5 L% t" \# A( \
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
. n0 _6 G1 x* Y* L' i6 @) P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: n. {# `0 i" [
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
: a$ U9 _8 n7 Y5 m8 p4 ~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! t; P2 E- D* e$ {/ Y
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);
2 r$ V4 s( w# K, ?1 T       std::vector < float > vec2(N);
6 w! q1 f/ j! N! I( j! J       float* b1 = new float[N];0 M  K' R) ]4 b  }& t% d- p
      float* b2 = new float[N];! l8 ~. ~1 R& }6 j! U( G

  C/ r# F+ X+ W# Q, B       for (int j = 0; j < 6000; j++)
: d# o% V; c- L! G& {       {4 ]7 z* b" f8 M; g
            std::generate(vec1.begin(), vec1.end(), []() {
4 P, Y9 C; |! J! B5 H                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;8 @) @: H9 ?* d# r
                     });
% p6 Q# c" j! M" c" c4 ~
' Z0 s+ @- V% n             std::generate(vec2.begin(), vec2.end(), []() {, `$ O& x$ J6 _9 n! [& `# O
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;: T8 `! P* s; C# R' k- p
                     });
6 L+ L2 ?1 t. M- Y. k" S) ]$ x2 ]; q( U0 k5 i# x
            for (size_t jj = 0; jj < vec1.size(); jj++)
/ C9 ~' [1 V. |+ N; G* ?. x" g: v             {% D  R' ?5 o* q" J. X( F
                     b1[jj] = vec1[jj];2 U" F# [) f9 I6 L  Y, O. |
            }$ C3 s* I! h; v$ V# [
% ?& o1 W$ C; ~  q4 c! |
            for (size_t jj = 0; jj < vec2.size(); jj++)0 W7 c& x# }- e& y8 d$ l
            {
% ]4 K7 ~0 k& s                      b2[jj] = vec2[jj];
1 z9 K1 g9 s' I! g# q5 m             }
  c2 d' _" v- n$ n
3 Z  q; ^" ~  c7 E; ~% h0 u             //Method - 1  N=100000 247s
  W# N% j. N9 a             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
/ `, ?8 X5 D  z7 {
1 L& Y; d% F1 `$ R' D             //Method - 2  N=100000  237s9 C, h% I7 x/ ~* q
            /*; I( Y# \* g  a
            for (int jj = 0; jj < N ; jj++)( g* a' U) Q# O( g
            {
! ]8 l6 G8 C2 {' N                      fresult += vec1[jj] * vec2[jj];
/ O& r2 I& E7 e8 |# T             }- H% u, g9 J6 B3 O9 D% L1 [* M3 Y
            */( h* b! x2 B( @4 s; i

6 f! l; C  O) D+ i# P$ ^2 a             //Method - 3  N=100000 204s5 \6 w# T# M6 r+ W
            /*
9 V; \. j# f3 c5 \8 X% l4 W3 D             for (int jj = 0; jj < N; jj++)) r/ P& ^+ O+ S0 h7 c
            {
* x; u& ^( i8 ?& Q: F+ ]6 z7 h4 s                      fresult += b1[jj] * b2[jj];
3 V( W) H6 w0 L/ G. g, J) h6 y8 ^$ p             }- F1 I2 ^- d" R8 Z' b
            */
8 a7 I/ L6 S7 j
3 a! b7 S. |/ V7 w" z* a& @2 Z/ S  u             //Method - 4 202s
  _  O0 w( w7 K0 H  {. |6 k/ |             /*2 B/ u, J4 D' x8 H$ |. [& g
            for (int jj = 0; jj < N; jj++)) H0 r4 u$ w2 Z) {$ z
            {
/ [! k& V' \, ^1 y/ p  U
" W% |; e2 t# V             }
) X% H5 f" V4 S             */& e' l* |9 }* P' B, T
            //comment out all methods, N=100000  202s
: E% ]. {/ t1 m6 E# E' P       }
: a, O7 \, \0 L) Y2 P+ y! z5 z" O/ @2 P7 Z
      delete []b1;0 O2 X5 `* a$ R
      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
2 z* n3 J$ H) a# Y C" 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？
$ E9 n9 b4 V$ l3 I! T3 [5 F. V& f8 w8 S) K( Z
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 01:165 J; v& N1 w0 c& |
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
* k/ `& u$ c7 m. u K' H5 G9 _/ J
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 23:543 l1 g9 l" [% Z5 `' p
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
" i& {) q0 C$ ^# `{
% i: _" j* \7 l* y, s* J4 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

浏览过的版块