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) n( u4 U, D2 s. `
拉下来？拉多少？
- `; @6 u% E7 U- B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: \4 Q& Y3 C6 U7 B% J9 z
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
: ? U" `6 b( g% ovoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
6 [0 D2 e7 s% F' @$ x{
: b/ {: P5 N0 w( y/ }; Z! 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 00:206 \5 f' d0 Z/ H8 ~
这个不是这么比的吧。。。: T! R# y2 _0 ^1 G' O, K2 y
- g( A7 H) P' A/ 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 V3 u8 k9 a- u
有道理。
4 u% z$ t3 H a% d1 G7 ?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
0 G j& }2 C/ h9 e* B这个不是这么比的吧。。。 D B7 z: J" i( z1 ~: \
; Z+ [( ^3 m, w# X
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
3 e1 L, |1 k( S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: z O4 v0 F9 a" c' s4 ]' X/ B
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
# m: H* J. r% T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 04:472 b( Z- Y% k2 o' |
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% _ b7 y+ |3 `3 U- @" L* Z# p& E
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);( ]( M  w: `& P0 G2 c& L
      std::vector < float > vec2(N);. q4 q  ~" w- m7 Q; c& K, o1 x$ H& m
      float* b1 = new float[N];
( F: C) T+ K8 d! Q       float* b2 = new float[N];
4 U4 l  I+ G& ~# y9 h( `. n' R! m. ~! f+ [$ \
      for (int j = 0; j < 6000; j++)
. h' e; V" {" `       {
/ t# X* Z, R# n2 g             std::generate(vec1.begin(), vec1.end(), []() {( i3 S6 x8 F' J" b
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
. A, f& N3 F& v5 s7 V, |. ^( q4 k                      });
' K  ]; e" u+ y2 w
" c/ H) e( ^2 r4 g! {8 \) G             std::generate(vec2.begin(), vec2.end(), []() {5 s# g) G6 Y2 E3 U. ^* |7 U9 U
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
, R# Q. W" L: a3 c, d6 z                      });
8 u2 [3 j! h! P8 U3 b7 ^3 o' \7 P- H$ W$ M
            for (size_t jj = 0; jj < vec1.size(); jj++)8 h& t0 c, I  e- I0 Q3 X
            {
9 u5 e' j% p7 ?0 i7 C: g/ E9 @3 D) T+ J                      b1[jj] = vec1[jj];
1 V. P& q' M2 ^; g3 G             }
3 V6 g& V) @, O
/ k( k1 f  K1 x: S0 `5 I& a             for (size_t jj = 0; jj < vec2.size(); jj++)
( V5 O! x9 b" r. [5 Z, {             {  q% C( W" K  l) u
                     b2[jj] = vec2[jj];
! X' |! ?7 z2 J             }
8 Q: Y. o: L* \" J  Y% u
; n9 _. ]( m& j& H  m7 J             //Method - 1  N=100000 247s
6 f, V: I( u) A7 P             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);3 h3 e  r3 d; P0 S9 r2 Y6 h( R! M
                              ' ]5 x; |# D+ g3 {% T
            //Method - 2  N=100000  237s
: d6 n$ @0 k% S3 {             /*! Q  e3 g' ~" ^1 }" D
            for (int jj = 0; jj < N ; jj++)
3 e7 s8 F) w4 `! W) @  c& \             {$ B- u& A0 N* i( S
                     fresult += vec1[jj] * vec2[jj];. m. X8 x6 C1 R" y2 R. I9 C3 v
            }
" r! M: N- B! B/ C             */
" Z2 _- N; X9 P# k" |, \
- M+ t- V7 T! ?5 n9 V* B% E             //Method - 3  N=100000 204s
1 B, D# \" w$ j5 h) z& m6 P2 d             /*
: B3 O8 k4 |. p1 S; d" {' I6 t             for (int jj = 0; jj < N; jj++)! X3 _4 o& l+ D$ E! F
            {. k' Y* ]8 I" s$ R
                     fresult += b1[jj] * b2[jj];8 \! [7 v# \8 T; R8 O7 W
            }9 W! [# _! h1 H& J% Z% C
            */
  D. J' v1 J) s2 }. H: i, x+ y% O: U* t$ t) ]; ^
            //Method - 4 202s5 d$ r; @# Z- o6 M4 i
            /*% `; ]! O7 }$ t/ r' k
            for (int jj = 0; jj < N; jj++)
2 b8 \% Z; p4 \/ ]0 w' l* m) \             {0 v' c3 T' x$ r& B

% E- L5 z: k1 D& z             }
% L. g! J5 K% ~/ A' B; n             *// T# o  Y( }# ?6 \# l4 g% n3 r! u
            //comment out all methods, N=100000  202s
3 h7 [- g: {& h7 `5 e       }) @" {4 a: G4 s$ E# a2 H
- j& q; r3 O4 s- ?  E
      delete []b1;8 S1 M* A0 {$ L+ l/ n6 A) N) a
      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 T0 P4 P; v6 W7 k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？& S$ P7 v$ J' c2 }, R9 v* E
* c) t- S$ \! V. C8 V! F3 e+ 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 01:16
! {- x0 N. v0 ?1 ]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
1 p+ a# f2 y# J! E0 m, s0 K
* m5 ]* O* s) J$ P L% q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
! d: m7 M4 T- c. g. j6 i& ?; Gvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
* B! y" A6 y2 _" e" w2 h5 }{1 O) k9 t* |8 a/ W' H* U
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