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
- z6 V6 L: T$ s; d, o拉下来？拉多少？
$ w# q9 u" Y" q7 P) [2 ]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
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
4 `9 R. w% X$ I' A" g6 `void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
2 [1 q* J7 q% d) G& f3 r{
6 E9 G. W. w7 v6 a- r6 t6 y3 G2 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
7 W3 x2 S; B3 h1 @/ F6 j这个不是这么比的吧。。。: Z" T, V, u0 W! S/ p6 M \; a

; h! r" ^/ _8 b4 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）。

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 00:464 [6 [+ d5 |0 a. `) i8 L% `
有道理。2 U7 z3 p3 K; w# O% q8 L* G
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 00:207 p; ]; x! m _
这个不是这么比的吧。。。2 ^+ T ?" d, p U6 P

' `' u7 T. O5 |; T$ u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
: L8 h8 E6 y! J4 m4 A0 b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
2 r+ H/ s; [% v4 A+ W9 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 04:475 H! N) l0 h2 V. Y2 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 ...

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
% P8 ?/ V S: 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 14:589 X( X" j# @ |
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);
$ ~+ p/ y, Q, k  D5 S! U       std::vector < float > vec2(N);; C. t0 I2 J+ u8 K
      float* b1 = new float[N];
, |7 V. V* U; ?$ a% q: r2 F       float* b2 = new float[N];9 f% c6 b$ w2 W* r

7 H5 R/ e: \- k$ A( T       for (int j = 0; j < 6000; j++)
7 i: \  R" `/ O- W7 H2 K% k( n7 d       {
  w9 D! H. G. L4 z0 E8 C             std::generate(vec1.begin(), vec1.end(), []() {( m; Y2 H- ~& F  E0 T( {
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;+ l4 n0 {6 J$ F; L5 y
                     });  z. l0 m4 r: v: \0 X5 y
  D2 s. o! h; f/ b7 {
            std::generate(vec2.begin(), vec2.end(), []() {/ E( a+ b' ?+ [% ~* H; U
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
9 `7 R- [3 O( J                      });
; I0 v. `' r/ ~" i9 L" w1 v# n& |$ s$ i# ^7 M1 [# C
            for (size_t jj = 0; jj < vec1.size(); jj++)
' }! s" X" {5 y             {
$ R, C& p' T) L5 a; ?                      b1[jj] = vec1[jj];
/ |9 \7 {" M$ ~; Y4 w- r$ J             }
! o. h) t6 K" ?( V+ M8 t! ?+ J8 |# F7 v" Q1 j
            for (size_t jj = 0; jj < vec2.size(); jj++)
2 t8 Q5 K) K3 f             {
8 l  A! R, p$ h9 W! k1 y( c% \% n                      b2[jj] = vec2[jj];
5 @0 [' s+ \+ v, w# r             }$ \5 V* V/ }% ^8 ~3 l! Y. U
4 ^6 n7 M1 n3 k
            //Method - 1  N=100000 247s
! \* P3 Y. }9 z& @; }( J             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
1 k7 H5 |' p2 }& Y4 ]
6 `& A$ G& U) X' V$ X             //Method - 2  N=100000  237s
. s) E9 ?! w$ e1 B2 L             /*8 V2 o; |5 n: n8 n7 h1 b
            for (int jj = 0; jj < N ; jj++)* }" I) `3 y2 w( v8 C
            {7 z3 z$ h0 d+ h' @0 h; J6 n
                     fresult += vec1[jj] * vec2[jj];
7 C+ e) a+ Y. |' \% T6 y, J             }
; |3 M  [1 F% |             */+ J" Q3 Q  D! v) A; F  ^

$ f9 Y( n  a3 U% O% k' I8 D* V0 _             //Method - 3  N=100000 204s+ S) x6 E& ]3 z+ y' w0 k% f
            /*2 ^! Q6 e; o" k
            for (int jj = 0; jj < N; jj++)
" f  I7 R% g$ o) E             {5 y2 w7 V7 {% [  C2 [: u/ z
                     fresult += b1[jj] * b2[jj];# h, y3 z) W  M7 K
            }
) N) f0 t( E1 U% p/ H4 a) ?             */
% ^$ @3 |4 }  p) A3 ^
* T  L2 B0 e3 W" n" [             //Method - 4 202s
- m% T0 B2 Z5 `/ D             /*
+ h+ Y# I9 K; u+ S5 f9 P             for (int jj = 0; jj < N; jj++)4 P" m* [# C7 r6 u
            {; x1 q- k! P9 N4 c# f' _; |4 y
                     % H# Q( @1 c2 Q( l' n
            }! m8 }% \/ U& \: [! o, D. J
            */
! @* J2 D8 J$ k, P4 G( ]# h1 g/ d8 \             //comment out all methods, N=100000  202s             5 @( z9 ?# C0 y
      }
  v3 i2 a2 U6 f1 p* H/ v* ~8 `  `
4 |6 s5 w, _# |. P  t$ g& i       delete []b1;
6 R% i  C# Q5 I: X! e, ?% Y       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 00:154 b9 {+ |8 o/ f' l$ b$ |
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？
' X/ {4 Z4 [* J* Z4 k5 N
" ]/ [2 r) N L; m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 01:169 f B7 _3 V/ V2 y* m. h2 L0 _6 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! _5 E/ t; s4 G( m& Y/ h+ t* O
; w2 _5 d4 |' `/ Q, e$ b9 g" O
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
) [+ I- e6 z6 G) Dvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)$ ` I4 N C9 o, C9 O4 V9 q
{
' n: W' N! ^: o% B$ L$ P2 ` 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