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 23:045 k/ {$ b% p `; O
拉下来？拉多少？1 B& U+ u5 x, g( d3 r% ^
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
( t1 f) ]* L- ?% `2 _8 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+ D) M. E4 J, @3 |7 P- c2 m
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)# s3 R+ h9 @* U2 C7 ^9 N
{
% k" k: j9 u8 N* ` 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
! I0 o: v+ j& X3 O( a这个不是这么比的吧。。。
+ E' m. W/ L, g/ s0 s
; K$ a2 r: A! j3 g, ^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
+ ~7 z9 w; t7 R, V) s有道理。
( N Q) L: }7 o; {9 ?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 Y" c6 l4 Q o这个不是这么比的吧。。。6 a8 a9 K3 z7 q

/ |# c9 S$ Q) z# S9 s5 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）。

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
0 J( `, y! H1 m& x5 _% U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
# K9 J* v- O7 `( F$ P' k$ T; `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
3 ]# T. N/ [1 t* Q3 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, _, j6 V3 Y0 r1 F2 f$ 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
5 {- C4 F% J7 k- D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);  h- V" |- {/ q' J% e+ t
      std::vector < float > vec2(N);
$ Y, y: q/ r9 m5 B2 c! o3 s       float* b1 = new float[N];2 S; e% |* Z4 x3 h- Q1 t5 S
      float* b2 = new float[N];
  q7 G% L: u7 W9 }9 u# y9 |( R8 Y6 G. T) K# L6 l& Q7 w: B
      for (int j = 0; j < 6000; j++)
( F2 \! m6 N# e, v) h       {+ T7 @; H% E+ n$ E9 V) R: P7 d
            std::generate(vec1.begin(), vec1.end(), []() {8 ?# @) {& e7 ^1 J" O/ q; k  `
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
. |# B9 }& B6 k' h! v                      });+ T7 j( W, f  J# J" k
: c7 ]0 W: n" k
            std::generate(vec2.begin(), vec2.end(), []() {% j  d  X/ d8 e% |
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
$ O6 i7 f& {0 `                      });$ i2 Z( ~& @) y+ Y! g/ O0 m
, L! M) ~+ R7 C7 \, E
            for (size_t jj = 0; jj < vec1.size(); jj++)
9 t7 h. {- a5 K9 K0 p/ `. ^+ O# }' Y             {
9 N3 I! `7 s; l; [% m$ C; N! J                      b1[jj] = vec1[jj];8 s+ W( `5 K* Y2 P9 H+ \
            }: Q; i# T. X) @7 F. g7 b

3 K) j5 P- E8 T, a, U             for (size_t jj = 0; jj < vec2.size(); jj++)6 t& I- @" |  g8 C! x
            {
6 K3 B) R7 w7 z                      b2[jj] = vec2[jj];2 b7 o* I" `9 i! v
            }
5 g$ p; G& f; H; A0 ]  h; }& A" I7 N
0 Y6 \+ t2 Q1 Q' ^7 b             //Method - 1  N=100000 247s
5 i7 a" b& [9 J; G8 x. B- Y             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);- r. x$ T" J0 ~, P( @

' W+ Z, R( p9 M$ i: M  U( ?; A             //Method - 2  N=100000  237s
; N* q5 f1 L9 R             /*
+ i: d) i+ J% ~' k; i, w& V             for (int jj = 0; jj < N ; jj++)
9 h& z1 p2 j5 J' X5 s7 H* V1 R( x3 G             {
5 f2 a  v0 ]$ a) v6 e                      fresult += vec1[jj] * vec2[jj];
; {# b" u- ~( `+ t8 T6 ]             }' V0 G5 y( h$ o/ F
            */0 T; ~; v7 Y. t5 ^
                              2 n: s% T' K; a
            //Method - 3  N=100000 204s
) `8 r6 k% l+ c$ ?* r             /*
) b+ \4 a0 r6 m: k: f$ U% Y             for (int jj = 0; jj < N; jj++)
! ^6 H% d1 o# p; V5 r             {
2 ]$ Z7 U* @0 b- p* [                      fresult += b1[jj] * b2[jj];
, B6 ^# O- ]  O* s% X7 V             }
9 q- v4 O4 V- Q: {, Q             */
# [2 u' g* F7 i2 C, a. N% l- A& E/ g
            //Method - 4 202s! H( m  p% j' R4 c0 M; R" n. [8 Q
            /*3 |, A( g* }7 @* K) L3 P2 E' k7 J
            for (int jj = 0; jj < N; jj++)
8 z+ H( X3 V; l4 v. @. D7 l             {
4 B+ i- g" _8 O% P" k( a* ~; b
; `7 }! {. A6 z6 p( F* A. c8 k             }
. F, F) j0 ~1 P% k# w8 ^% U             */
4 m( Y: B* S. q' X) [$ L             //comment out all methods, N=100000  202s             . d& N+ \2 Q; e" V# s/ l- Z0 ?0 B
      }
& C6 {+ s; B8 A. Z6 j; w) |. i( P8 s0 v3 {( I& z
      delete []b1;& Y" F. J7 f  W, g- X* I! L
      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: ^: j3 A: H( X
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？8 ~/ G( q/ |) m0 n- i. d
9 ]; ]: H9 p* G8 c; `
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 01:160 h4 g8 T2 c5 f( F9 [/ ]7 m
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
6 v) b. h# I- y4 Z ~# H6 @
( i7 z3 P4 i4 q: w. o# u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
% J, ~# T; }$ e% Y+ u* e5 w' Nvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)3 s7 L( A0 d, [; O3 d; ~; F
{
' K( [7 c$ q+ F: I2 Z8 i( V 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