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
' G1 y& J5 N6 O( O5 ~拉下来？拉多少？
/ P( J& C' S0 c" B# g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" Z. {/ N4 F- b
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 `* b; P% C$ N/ u, B, ?# I+ r- N
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)" V( D0 M% {% {# |6 e
{$ t5 e! B x0 w- 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
/ `2 _, z0 w C这个不是这么比的吧。。。
; H( i: q0 o5 W% s" S- a. b& j, y3 P3 l( W# H/ h$ L
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
, n: j6 r) O) R1 r0 K+ W) `有道理。2 Z8 W, m1 G* m# F6 Q+ h+ z
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
( E% A' J9 v# R这个不是这么比的吧。。。
( c" q& l- B' g/ j& K$ ]2 q N# L; r" T* B+ s b( L! [6 A
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! a+ N6 S9 K- @! L' G6 f
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+ V7 P* C$ W7 ]' W) M
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
2 p7 |: j% i( N9 W3 P9 w1 p( u( w7 M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$ B4 M R6 W9 d8 Y5 u4 i: Z
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 X; j {& Z8 W( J `' 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);4 v+ G7 o0 T3 H
      std::vector < float > vec2(N);
0 ~& ]; F! B. L1 c1 L       float* b1 = new float[N];
8 p" S% @* Z% l) }       float* b2 = new float[N];
+ R! C) H7 z6 M0 s  B- ^6 k
5 |* q' ?( |/ @$ X& j  T$ t       for (int j = 0; j < 6000; j++)
0 f  s3 _/ }  }, S9 R. |+ P8 k1 K       {$ ?% G3 i2 |1 K! z) w! a9 p$ q% K
            std::generate(vec1.begin(), vec1.end(), []() {. P4 M+ b- T$ y# s) T* Z8 V. x( L( _5 G
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;  ?- ]2 E% e/ Z9 W+ W: U1 r: _% [
                     });
' F5 X6 \* A8 f7 X; c1 x% x% Q: O3 K7 U6 }
            std::generate(vec2.begin(), vec2.end(), []() {8 s! m1 L( }, L9 [3 p7 Z% h
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;$ ~3 v. w" L- E' f/ b  B: r; v
                     });. ?* R% A  p3 J; W) _3 ~' [: v

5 d+ F3 V) ?2 i             for (size_t jj = 0; jj < vec1.size(); jj++); u. c' a# E  Y1 z; \( p
            {
/ C% D) n! u* Q+ W                      b1[jj] = vec1[jj];1 [. {6 j* k7 z" m8 y
            }
  ?9 {0 S" h) |! `! e+ U" A0 @
- R( |0 o( H& R" N7 }8 w7 f: U9 v             for (size_t jj = 0; jj < vec2.size(); jj++)
9 W. X3 ~: t9 T6 G( B7 z# o& h             {
( d! u; }$ }" f7 {7 w; _                      b2[jj] = vec2[jj];. t' v7 ?2 w5 U, O) [- k
            }( a# T: l/ U9 ]5 A5 E. W

6 I0 A# s1 M1 I: g9 Y             //Method - 1  N=100000 247s
) e0 J0 o. R- g! s3 X0 s) w             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);* d5 q. [% Q2 x: k! t2 n
                              5 h2 ~# D2 {5 [
            //Method - 2  N=100000  237s
( ^6 h: d7 U5 Y! [8 V             /*; x( o+ l+ s" Y3 b$ r, H
            for (int jj = 0; jj < N ; jj++)
7 A( B& Q4 J, \/ |, F% q             {
# p& r- Q5 x9 v( h. |6 d                      fresult += vec1[jj] * vec2[jj];
1 D: s, W& t4 n0 {: q             }
9 \0 s, Z; Q" G1 O             */
6 k5 L5 S) c, x& X5 `- l
. x8 L3 A8 z1 z             //Method - 3  N=100000 204s
+ R3 B: B9 K9 I( B' i7 p             /*. E+ i; a' Y' X8 u
            for (int jj = 0; jj < N; jj++)
; ^0 F% b- y8 s4 A             {
1 Q2 U' I, @3 _% e; h                      fresult += b1[jj] * b2[jj];1 t$ g5 s! j* y; D
            }
3 Z* U0 P) W, H6 J             */& x) a2 X0 h4 @7 e" S# z2 d* L

# G/ p: a5 S& r6 v0 ]: p8 ]$ n1 _5 c             //Method - 4 202s
" u; w+ a9 G1 K- c# R* n             /*
8 G. o/ ~* w, r' x- ?, F& i             for (int jj = 0; jj < N; jj++)
$ B8 x, k7 f. F             {3 g/ C7 L7 K" F( L) V

. }3 p: {3 w5 E$ d5 R; L             }# S- P9 E8 d0 H6 E
            */; Y' v3 s/ _/ }' y2 q
            //comment out all methods, N=100000  202s             / r- e" V, x2 w! h: J! o
      }
4 ?' N) H1 h2 u3 D& @
  w# v" I, a' V; _       delete []b1;
+ {$ @8 c# C) ^7 b1 D. ^       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
" Q0 c5 G6 B6 Y+ }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？, F" j4 I2 b5 x! G2 d$ Z7 C7 S
" P' a' o/ I/ V
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
+ \8 _6 p4 }# g+ m. X- g# F" [- r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、LOL0 o5 {% p' x7 R/ Z, ]
: x& {* i4 Z! f; D
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, H, ?2 z* b+ L- D( d5 {% Z
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)% G; n$ x2 A% H1 N3 z
{
' g; i" z4 z3 \& Y& z; }* _ 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