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
( x& ?5 c7 q7 z/ c/ g7 t6 K拉下来？拉多少？' E1 y2 b: ]/ }* W5 W$ A
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 23:334 f0 s2 ~+ `4 ?
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 23:545 \$ ~' A4 j. v4 [9 I3 J2 e# G: X
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB). | g9 W4 c7 N. [0 @) L3 `/ `
{6 I _) N9 ]3 b8 K$ Z6 y
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
) N6 N; }/ B1 E8 T. t0 l这个不是这么比的吧。。。 N) g9 s j, C* E
2 l# Z" f3 }/ L$ S* E
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 00:463 l, K5 z& j) [3 b) r, G% N
有道理。
; ~ V1 Y k! B# D1 K4 }2 q$ }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+ M3 n* ]% s' }/ v2 e# t2 \1 [
这个不是这么比的吧。。。# s& y3 r" G2 _/ m: \$ ]
: N+ \3 h3 J; x. W; n0 E
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! C% S5 R2 m# ]
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 01:270 M+ D8 {" j0 u0 k5 \7 Q% G7 N% [
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 @ E4 Q- a& 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 ...

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
6 p* S5 M* T: Z1 [2 r/ p. p6 V* ?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
. v1 g7 |. c! E: J& Q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);- ~- _" O; u4 G  F% `; {
      std::vector < float > vec2(N);0 s  _9 p1 `- T9 N8 Z5 h. _6 e
      float* b1 = new float[N];* C% v2 ]5 }( _0 p! p, D
      float* b2 = new float[N];6 }  H( }0 e3 _  R7 ^

, N, y# N6 M; d% V; S       for (int j = 0; j < 6000; j++)2 w9 m* \' `9 _
      {/ |9 }$ g. l' u1 z$ ?: o
            std::generate(vec1.begin(), vec1.end(), []() {
* i) |% X8 I. Y4 Z& }                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
% T( r+ x5 Q5 X7 n( i  ~* p                      });
0 u$ Q( C$ G" T3 `3 P* j' |1 u5 l( V$ G3 F5 g
            std::generate(vec2.begin(), vec2.end(), []() {. s1 z4 B8 a5 V. {4 W  P8 B: `
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;) y( B3 ]6 \' F! n
                     });( r0 y$ M& S& Z: z7 r& V7 J
0 o2 D' M3 D0 b- E% ^
            for (size_t jj = 0; jj < vec1.size(); jj++)
0 g% X7 w( A% \0 i& J! e. a             {% q! y1 U* d! _- i: j" v5 }" h+ `
                     b1[jj] = vec1[jj];) {/ z# C7 u- w' X# e/ Q5 Z
            }
; L* E( ~6 ^+ d. Z( b+ T& ?
( f( b$ U2 r, P9 s             for (size_t jj = 0; jj < vec2.size(); jj++)9 N  U0 o4 f- M
            {
3 w; f0 e; b$ a3 e                      b2[jj] = vec2[jj];1 T' a1 H( f! s: j8 w
            }! @" u# O' d+ ^2 _- m" r

+ G1 S* M1 [2 s3 E3 n3 Q* g. S             //Method - 1  N=100000 247s
: X% u( E/ D  L0 g$ i             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
  l! V0 h5 _7 _1 J" M                               - D# i5 D; g8 j$ y
            //Method - 2  N=100000  237s4 b" t( W+ H% r$ b* ~) E
            /*
2 k4 q3 O/ f: l' W             for (int jj = 0; jj < N ; jj++)  _5 H, z- q: R3 P
            {
+ G) I- o3 h! Z; H5 r; X                      fresult += vec1[jj] * vec2[jj];
# [* Q( N$ j# g) G! B  k' ]6 B0 j             }) d, U' G, X$ X. m1 A
            */$ G' d5 p$ a! i, ~; l

( Q- ^$ s% }( ~( |- s( H. w% w             //Method - 3  N=100000 204s* H5 q4 R! C, q% M# m& J6 G* Z4 I
            /*
. x% n7 t. J1 E( A4 s2 g             for (int jj = 0; jj < N; jj++)
' Z2 T6 f. k! P$ ~6 C             {* x* M0 G9 G6 ^9 o& L3 O2 j
                     fresult += b1[jj] * b2[jj];0 D# s2 i6 w7 ^6 a
            }. E% f( ?8 P5 U6 E
            */
3 x+ ?5 G: {5 X; p; f" Q/ w7 L/ N# l% |9 @# V  ^3 l9 Y/ |
            //Method - 4 202s
, }% Y2 G6 ?. |0 n4 t" ?' o( V: ]5 Z             /*
8 I& T2 ]# y6 ]4 m* K+ x; T             for (int jj = 0; jj < N; jj++)
) h" ^7 o3 K: [% G, _             {
  I- V5 f( o" k
( Z! i6 p$ y# D+ Q$ N7 l3 H             }
( ]) G, w; ?6 q' K* q             */
2 W, z, _6 l7 v             //comment out all methods, N=100000  202s
6 W/ @- q& l5 s7 k( \2 T4 n" o& {       }
  M3 Z  D/ Y- u8 L' R
5 L7 m, R; Q/ u! ?% i, k       delete []b1;5 r/ |3 Q: a& L/ F
      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, v$ n! H L* G. L+ U& \' 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？- D" X6 ]6 P0 J2 S

2 v: O( Z! e! ~& T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 a& f/ p% a/ n
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
* N: X+ Z U% l$ Y; v9 A _" P) K
0 O1 l) d/ N0 @. ~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" Y. G5 s# d+ W$ {- L2 w# O. q
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB), ~$ e$ |7 f' m; x; O
{9 i+ s! Z0 M* G7 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