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
. l( d( k2 Y/ B3 N( Y, n* i) a拉下来？拉多少？
2 ~8 Q& Y1 {" p2 R4 Z" b( |+ f& F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
& K* m; K8 B" x" o% U2 cMaybe 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$ A4 Q1 c9 {% b# \
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)3 U8 s+ T" E" p. r* z" T6 J
{
% C+ z( O9 I3 g6 Q5 t" Y" i 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
! C% f1 {% A0 d& h/ V这个不是这么比的吧。。。4 [; U+ y* a% f9 T5 R' H, \
/ N! E1 ~* O$ B5 Y3 a! Q, I/ h
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 00:468 |+ J2 \0 ]. [0 `
有道理。
& b3 ]) j- \, y' S! s2 z6 H& X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 00:208 v4 O4 t* t L! t. K6 a" M
这个不是这么比的吧。。。7 W. `+ d/ b, h9 W$ I M
# P- r# I+ F0 E' c1 K
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- }, W5 r- Z0 O J
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 01:277 D5 E$ a" J& |4 y+ u/ f
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* H& F. ?& w) ]/ d. G
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- ^: {: ?) P- a7 C. v8 S4 G1 l/ J
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 14:580 c8 f2 o9 u# a# w8 N
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);
. f3 V# l% K( N4 F6 m       std::vector < float > vec2(N);# s4 s1 w" a0 I! ]' M9 t  q) p" Z
      float* b1 = new float[N];& t9 }4 h+ u- |/ T, j% E
      float* b2 = new float[N];5 V; c! x, }- t( d$ s1 w5 j
( E% h" r$ V( i3 o" c( u" h
      for (int j = 0; j < 6000; j++)' R% h8 k5 O% I6 T4 o% |
      {1 v. c% S  o& a* U  N' _
            std::generate(vec1.begin(), vec1.end(), []() {
# \4 N$ ~) S4 j) K0 \                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;$ r/ \. E; M. g, s* o
                     });& b3 F3 N5 o+ A; d" z2 y
! d8 D$ N/ M8 V) E3 k
            std::generate(vec2.begin(), vec2.end(), []() {: t7 r. p( e# F2 H
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;6 i  k8 C5 a1 H
                     });
. d# o1 {8 H& v! U$ Z
5 q) T. M4 n1 o& @9 }             for (size_t jj = 0; jj < vec1.size(); jj++)( P9 {. [. _% i
            {
1 {9 _! i9 u6 e% U' w/ S5 T                      b1[jj] = vec1[jj];
+ q& N( S# l, g1 i$ F, |             }
* n/ m( o- A- s8 S7 Z
# y+ G9 l) }8 o1 k  g             for (size_t jj = 0; jj < vec2.size(); jj++)
+ L/ G! @( G$ L6 `: u- _" {             {* f+ Z4 G! P+ B4 t. m
                     b2[jj] = vec2[jj];8 W2 X7 W/ e( S0 S) d
            }
* t0 D. b2 g2 l$ p% i% Q& w) [( `8 v6 L- T( t4 @* F
            //Method - 1  N=100000 247s    x3 O9 ]2 H0 o* c  [- |2 I" k. G( A; {
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
/ e, F1 |( c  C9 ^9 H
2 ^5 m, i: P. p1 r% s! Z# h             //Method - 2  N=100000  237s
% J8 L- `2 ^0 j# {9 [1 N5 w             /*
( G) @* Z, L( Y* i4 t1 l             for (int jj = 0; jj < N ; jj++)
: K6 P; w1 l' E. L, H! @             {# z8 ~- R2 V( O. t
                     fresult += vec1[jj] * vec2[jj];
+ B! u1 Q8 i! N9 N# N1 R             }
4 }6 S/ s4 ]8 d             */% y/ q5 n: Y6 S5 w: K0 {7 N* g  ?

* c3 t4 V: E! R, y             //Method - 3  N=100000 204s
) j" |4 I+ E5 y, ?             /*
5 p; V9 Q0 c2 j5 \             for (int jj = 0; jj < N; jj++)
! q5 `0 B2 e% v' M* k             {
' [# z# [$ J( d                      fresult += b1[jj] * b2[jj];
7 K+ B. x5 v) ^/ Y             }' Z+ r  v. v5 d+ }$ }' \+ n, x! E
            */: K5 Q3 d1 K6 k4 M2 x1 h8 @

+ U  |9 @' Z" H8 a( `8 l& T/ t9 \             //Method - 4 202s
2 v, ?. M2 b3 y3 g             /*
2 U$ W  E" j6 i/ p; o             for (int jj = 0; jj < N; jj++)" X: Q/ m+ l9 G* \/ ?2 `7 U; u4 E
            {
2 C+ P9 _$ k" d5 t                      ) N' l* M! O  A& H- ~1 s
            }  h& ]1 @1 p( V& |7 F1 s8 E, c
            */9 T. R, H# V, N' V
            //comment out all methods, N=100000  202s             7 C% y! W2 C* b0 s$ k0 a+ q
      }: z% z- Z6 a8 c8 U( Q1 K- }" V# F/ l
2 C# O' [, N$ E' M0 s. e
      delete []b1;8 g1 }" g* a& c, A8 y3 G$ L6 N
      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
" A$ G8 B2 F$ R) 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？! P4 ~6 F7 L4 [( u8 z3 i, I
- L* Q* A" [1 |) F4 p( g9 P4 C- 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& j* M( Y1 ]/ {* p l
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$ o8 \' n: h: Q" N
% v- j. P1 i. z5 Q$ P1 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 23:549 ]/ J/ A4 _' ?
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)2 e$ W: |* ~" H1 O- ~; W
{2 H; q9 P/ j. j, W' I Q
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