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
. d3 g$ C' h m3 H' A拉下来？拉多少？
" H5 K- A% V7 @0 q: f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
' E7 ^" O; U. i% ~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. r& n3 m1 M5 J% a( Y1 }
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
& Z( q ^+ s( w$ }% r! c" r+ i{
# X6 x, D8 e' ?2 t& 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
" l3 E$ K! q, N7 W g这个不是这么比的吧。。。
- b! _. l' S) m1 V
$ Z; s9 {" j5 q7 c! I& o5 D: o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$ e$ Q, j# l6 x/ I0 Q, W0 i2 c
有道理。
9 x" s6 U+ Y' x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* B: o! n1 I3 S- k% X( y2 m. s: {
这个不是这么比的吧。。。
# R& A# J- o2 K$ p' d3 p }( Y) b
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. L5 {' Y! [5 B% U W5 U& e* }
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% q# H8 P" d4 E1 ^: \! a( X
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$ P4 U, `; o5 h8 o* W
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
$ H6 x# r8 ?: E& b/ {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 14:586 D* F/ E4 |4 w: x5 f+ E; A
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);5 L" b# z6 }$ w8 U/ x. u
      std::vector < float > vec2(N);
4 b" ?8 [' P5 g8 E+ [       float* b1 = new float[N];$ N. u" v% ^! U5 ?$ I
      float* b2 = new float[N];
$ ^' o& w2 G! x) {
6 ]/ {1 F% m8 H8 b$ b4 _+ F5 }( Z       for (int j = 0; j < 6000; j++)
; O; d# Z9 M) K% V+ I5 b       {
* o6 k; H5 a- f" d             std::generate(vec1.begin(), vec1.end(), []() {
' m& e# b& K; {. F$ T                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;# M* S5 F2 U, ]7 _' \
                     });% O( A4 C" B2 _; A) j+ i! ?

* y5 ^/ a6 h' u) H5 V             std::generate(vec2.begin(), vec2.end(), []() {5 ^! i6 N/ H! S5 Y& q
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
& s+ V! X5 \2 ?$ I                      });
1 i" }9 U6 C8 w+ C! ?( O; ?- W$ c
. O( I6 t8 ?; ]- M/ t             for (size_t jj = 0; jj < vec1.size(); jj++)- }& J5 O3 W3 D: r6 X" p
            {/ f8 A# d" A! p: t2 H
                     b1[jj] = vec1[jj];# i( R" @1 S* }2 s* A
            }
4 f( k# _1 B; ?( o1 p  V7 e8 C: C, w# y. z$ Q/ g
            for (size_t jj = 0; jj < vec2.size(); jj++), E  _4 {9 t8 j. [& s3 r
            {8 a* W4 q- X2 a
                     b2[jj] = vec2[jj];9 N% a4 q$ H# F- p$ v9 B
            }
, [5 G- B2 b) y9 M2 `- @, b* l
            //Method - 1  N=100000 247s
6 _' v5 @' n% }2 X' F2 Z0 P             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);' m* L) _1 S% T( x6 ~4 f# s

+ L3 k& X7 c& A3 e; z% X             //Method - 2  N=100000  237s% D+ @0 B& \) \3 n7 A
            /*
/ k- z" U: X1 d             for (int jj = 0; jj < N ; jj++)
+ B2 z0 k! a0 G  N& s2 `* N             {8 l4 [) a0 _% g
                     fresult += vec1[jj] * vec2[jj];
+ j! ]4 p$ h$ z1 J0 o! J             }! V: A* t1 @9 Z! t6 d0 O* G0 f
            */& v& n( ~3 r3 s* A( S

9 H; w- I4 b# d: X. f             //Method - 3  N=100000 204s
3 `  H. n+ o1 ]4 j, r$ O             /*6 c3 h9 e8 s0 k# v6 g
            for (int jj = 0; jj < N; jj++)/ u! G) `& o8 V1 N
            {
) `7 S7 \3 t, Q1 I) m% B5 |                      fresult += b1[jj] * b2[jj];( r* T0 I0 H* V. F- P; ]" M
            }
0 B3 I1 K% l6 {3 W' l9 A# J             */
% h, p5 Q: w/ |: y+ m! V
" K2 X2 `0 z- ?( z5 L, T             //Method - 4 202s
2 k6 X( O1 `/ ^" ^( E" V' o8 F             /*
8 y& l1 |$ d4 _- g# e             for (int jj = 0; jj < N; jj++)* k) D8 U1 O" T  l8 W& l
            {* ]9 d2 C5 l8 ^
                     5 Q- t- R" O2 F) E
            }: H# N1 O& ^( I
            */
! d* d. V- e2 O/ _! q% y2 M9 P             //comment out all methods, N=100000  202s
6 e. ]( n! I/ s1 p       }  _) {9 Q9 M% c6 f# z4 x& |% [2 ?

8 C- h" I: g, b       delete []b1;- B2 S; W# K. C( h9 a. p2 z7 \
      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 00:157 g* \6 [3 }5 a; ] P9 L# {; U
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？
3 P/ ?$ E y H( i" F# H1 A: I" \: l0 X8 Q 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 01:163 c6 Q5 j5 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+ e+ X$ l7 \4 b7 @* X( r

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* T4 u) B: Z! y* J$ `0 e v
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
0 t$ P- g( w8 y7 a; J6 N g: _9 h+ l{
1 V9 Z" {5 j% ^: 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