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- u( D# P& X( W
拉下来？拉多少？# a' w& [3 W" S& x
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$ ]$ P. ]9 [/ _
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
, x( c8 O4 v7 {$ f( @( Z& Rvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
5 P3 p1 {- L/ d7 e6 y0 V7 D5 H- m8 N{7 ~" d& D _& Q4 B
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 00:209 @: ^, q; `; \
这个不是这么比的吧。。。, c& j$ {, R$ O! K# v! r

4 ?; U" a5 B, B" L, d& d3 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; {4 O8 a( p2 c0 d/ X
有道理。
; K! G- U! _) n) {' i7 e! 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$ x8 @$ O k" T4 P
这个不是这么比的吧。。。
' B# A4 ?6 {: a4 T
/ h/ W4 G0 A# X5 @. 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! g- s x# C$ o$ | l! n. Z0 p
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
7 E5 W- T) O' d2 {. l1 Z$ 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
& _7 y( L" j* C6 ?( ?$ O, e9 D; ]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
: _' `* ?; q$ F B. q. @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, L. S, C2 i) |9 |) N6 f. B1 l( f
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);% \! c) ?# P/ g
      std::vector < float > vec2(N);+ b# m- F( v5 R* Y$ K, n7 N. E+ _4 f) b
      float* b1 = new float[N];0 m. l. b$ ]) z" j+ f* q7 M
      float* b2 = new float[N];' R( q  ~; ~4 A. h3 e' R
; K" m: K) q$ }: Z! K# y
      for (int j = 0; j < 6000; j++)
+ V) ^% [. I$ S* H       {. h1 r8 {7 H2 i' X- \
            std::generate(vec1.begin(), vec1.end(), []() {) M. b+ H" D1 F2 H: d
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
9 A& P( I' H9 W                      });
- M5 H( b3 y" g3 }0 R5 j) q) ^2 i: k$ F) _
            std::generate(vec2.begin(), vec2.end(), []() {
/ P6 |" H% ?9 `/ c, b  |3 f& }$ M                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
( _6 G) I  y% F( K" l                      });
: U  F  e# k. C6 p# a" L/ p  J! d! P) _
            for (size_t jj = 0; jj < vec1.size(); jj++)
! K8 U% Q# x! c! I; ]1 c             {& a( Q( a* T$ l! `  i$ |5 D/ n) k
                     b1[jj] = vec1[jj];/ a, H- F8 Q( r9 E5 K4 @, ?
            }" T$ F9 d# n/ X& ~( r
, E1 S1 U" b8 s) b2 n  n1 a( I
            for (size_t jj = 0; jj < vec2.size(); jj++)
* P  R) g' z0 G! e2 ^6 B             {" k) Y" P6 D" {1 W) ?2 W" n9 T
                     b2[jj] = vec2[jj];9 A! e" P+ v8 A7 H) u1 V% y
            }* m+ |* Q! U/ R0 o; o/ J% v
" m0 i3 b4 i9 T/ P1 B
            //Method - 1  N=100000 247s  8 K2 s1 ~' \- y. u3 j1 e& z, W. M
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);  d3 J& V) O- d# q

# s$ m% j5 [! M& u* Y' [* S9 G* Y' B             //Method - 2  N=100000  237s( v1 J: l' f) p3 {4 E
            /*
) h6 @& V0 C6 a             for (int jj = 0; jj < N ; jj++), j1 {9 N) }$ R: Q8 e: I6 o/ X
            {
1 G0 `4 N  Z3 M9 \) C! o8 Y                      fresult += vec1[jj] * vec2[jj];
$ N* f# q! o/ h" F: y3 ^/ h             }
! \* j; Y" M: {3 S             */
7 K( R% _5 y3 P, B7 M0 ^8 q
9 |6 ^! X: i& I5 G# S             //Method - 3  N=100000 204s* E# c- b; [# B  {) r# m8 }
            /*5 n; \- {; _0 m, C- Z+ G
            for (int jj = 0; jj < N; jj++)
8 D# A* @2 U! t! m/ X             {
2 U. k. P5 P2 U* P' l0 k                      fresult += b1[jj] * b2[jj];
1 l% e3 Z# Y2 `& S             }2 K! Q8 |( D: E5 g% M% h! ?
            */' Q8 b) L# O# A4 Q! }) X
. l) w/ P, y& z: b" @6 S
            //Method - 4 202s
9 w/ E- X5 [& w! ~. O             /*
! C' @/ m# r7 @             for (int jj = 0; jj < N; jj++)
& {) J+ `! b9 w+ l$ a! {             {& _  X1 o2 u  ?* u, A3 Z

# q! _& O$ b* ]8 _: ^3 `3 \             }
% W0 R- s- E# ]$ k/ Y: k             */7 u! t+ [& ]" N$ g( A
            //comment out all methods, N=100000  202s             ( r: m* S& U# ~4 B" ^" |# B# i
      }! M+ e% d  J& a1 ?: Q3 A

3 O* L/ o9 q+ V6 ?& A       delete []b1;
' I$ \# k& G1 g; g' Q       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$ ~* M/ d/ R: f2 `) t
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？
) r1 e. b0 i0 v, f
8 |: D/ l3 V; g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! Z/ s& J; @ e3 F* _
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# @& o/ x2 \& y- W3 Q; H0 L
! |7 t: P2 q! y/ ~7 q, e/ H
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
: |2 g4 E5 t/ G1 p4 m) B% U& svoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)# l3 x4 y6 k7 u' @+ ^( L: [
{
9 f+ n' q% w. n 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