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
2 o' ~3 t1 x8 M$ C拉下来？拉多少？" }2 K/ _# L2 E+ _* b7 y
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' X, N q* ^, S) h6 \
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 23:547 q# D! I1 W7 `$ ]3 A/ @
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
" K6 A* `" u, R: H. E{/ u# d9 B: p$ M+ J8 Z2 v7 D
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
9 r* S* X* J0 w% `$ z; V) `这个不是这么比的吧。。。. s/ ~0 H7 R: b( L

# ?6 S0 o6 I6 z+ N' B0 K, F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% H4 R {' p; l; c
有道理。8 e6 s; b/ H1 ^ D0 E
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 W9 U1 f5 j4 \8 F5 P这个不是这么比的吧。。。
9 W+ U- H2 V1 i3 V4 V2 ~8 C5 C( P9 h w% G) z8 f
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 01:486 y4 h8 E! s; u. V" x
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 01:278 _, y. f H- [. s
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. P. h& ~, C y9 h# n9 `
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
: ^, U! t& S$ c/ X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
{) W$ G; I! C* H/ M: w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 W) f' X) y# Q6 @       std::vector < float > vec2(N);
6 E$ G9 g! B# W6 h& O       float* b1 = new float[N];
& I/ g) Y) t7 @' |       float* b2 = new float[N];1 E% g" \+ c" U3 t2 d* g: e7 ?
0 y2 U+ I2 Y2 J: W9 S
      for (int j = 0; j < 6000; j++)
  d4 P5 _% T8 p. c       {5 `8 D+ x% z, O- W; c
            std::generate(vec1.begin(), vec1.end(), []() {
2 J1 ~& \8 R0 V1 n  c! Q% L1 c                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
) ~) ^' Y" F! v2 {0 |( S                      });  S, c$ k% ~# W! E2 g4 ~$ M! }1 K

* u7 I$ s* U% T8 ^. g( d) b: L& ~             std::generate(vec2.begin(), vec2.end(), []() {
  V$ [3 i, Z0 |/ }4 [                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
$ V6 ], U/ B& o8 V                      });
+ d0 C& X" i6 ]0 u! }9 T3 |# d9 _5 M% A  ~$ J" `
            for (size_t jj = 0; jj < vec1.size(); jj++)* ]. y% o; Y' h# o3 M3 B" w
            {$ R* l! i( |" C5 r* E* K. p" E
                     b1[jj] = vec1[jj];
, ?( r% P: V$ E& [+ O* w             }
1 P5 U; W6 p0 T8 H1 R0 {! T' n" q, @* \, D2 P7 }3 ^# @
            for (size_t jj = 0; jj < vec2.size(); jj++)
; I3 X8 c# }( [8 q. R( i             {5 f% J( n+ ^0 A0 K& t
                     b2[jj] = vec2[jj];
& U. o5 H- |2 |& j& @! Y- G' C             }
) O$ N- }# n# U) N; p2 Q4 Z9 l& D/ x. k; D* h4 e
            //Method - 1  N=100000 247s
  |) ]7 x7 r& Z7 }             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);# `4 P5 R: W: ]% h6 I# X$ o
                              * J# m- s5 a4 o" E
            //Method - 2  N=100000  237s0 {1 |& l% F# J7 L# [9 ~
            /*
3 @* @3 U  ^. L0 }3 V& V             for (int jj = 0; jj < N ; jj++)+ _1 d4 @0 g# {3 A) A4 v
            {
! Q( Z1 G& y% q1 Q                      fresult += vec1[jj] * vec2[jj];
3 V2 {7 h; ^! h" w& w7 R; H2 f             }
# U. y1 b: Q& n+ C5 f" e9 O8 j             */2 m( D$ [9 M2 K1 `  v
                              ; ?% W5 {1 A2 |' r, u0 q3 [/ l# J
            //Method - 3  N=100000 204s8 e- `) e1 Z0 d/ z
            /*
5 x4 {% z4 U: I: y9 ^% f8 M# Q; t! G             for (int jj = 0; jj < N; jj++)
. n, E7 t9 J# `             {
0 {* g3 M# R* n( B. \( W( o: A                      fresult += b1[jj] * b2[jj];  p9 |0 ^) X: A0 v
            }" j# E' L/ o* t7 k2 ?1 [' m0 |
            */
- ]% ]0 s; O0 @- w. P7 V  ]8 |8 x( a5 s0 ^; D( U% U: }
            //Method - 4 202s
% v2 L: w4 G8 C- I  M8 F             /*3 N* L/ t# |8 ^) |' l& f. ~
            for (int jj = 0; jj < N; jj++)
& Q, O# \* s; i" m3 }             {" `0 ]" f6 v! f

' j+ o3 _( H/ f* v             }5 I# W: d5 A9 X3 R1 o. {# S
            */
! o' r# w% E0 K             //comment out all methods, N=100000  202s
& x7 w% k2 [: P* y  X! X( e8 V       }- ^0 I2 T. C; o) O, y

9 n( Y0 [2 j5 o) S       delete []b1;
8 ?  I5 j2 z( K7 w& P       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
$ }% t1 r+ A* A) ]3 x, j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？/ ?5 ~8 t9 H5 t6 s O, A
, D9 h# D* L0 T$ M, j0 r
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
' ]/ y3 K6 p0 A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
7 o8 g1 b! v6 h# M, X5 m8 \+ J a- \
) ]( t9 D9 g1 v$ e1 w4 M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 E: r% S" {" Ivoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB). K. l5 l" r. u" R* S/ X( K) \' g$ q
{
) q2 {: D' B c: ? 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