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
F+ I6 a, e8 B3 t' m) U拉下来？拉多少？, h( w% o( b3 x3 ^
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
' n2 h8 y! x5 d TMaybe 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* p# b8 L1 K8 Q; w2 e7 x
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB): @; r- F0 o3 z# t
{% @: C7 S) p! j
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" D% m) ~' i& n. o: @- J6 n% k: x
这个不是这么比的吧。。。) ~. @. O; @' h( S. C

' y/ G6 r e/ E8 N+ k' i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% @& @8 X7 v. p `' L U" ^
有道理。( j/ ~, z5 J: }# B- R4 K
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 00:205 }+ {) @7 K" w/ R' q ]
这个不是这么比的吧。。。
. a0 o% ^3 Q$ w3 e* K# b7 R- `+ H6 O8 B& z) 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: q: S& o' O2 X
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
/ t0 H$ a- F1 B% b" g. a- F! x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 04:478 c& P3 p! [: ^" u
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
9 b/ {% O$ f! l& o' l" ~( @* t3 y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
0 | N5 G! b2 C6 d" ~4 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);
6 [' a( I% n; D8 S4 E# k9 b& O" E       std::vector < float > vec2(N);" z* p8 i& z. J3 K# ?$ `- w9 D
      float* b1 = new float[N];# z5 J# `+ j" V; q* Y4 r
      float* b2 = new float[N];4 t5 {1 m& L. E
2 L7 D# u4 |0 D/ }
      for (int j = 0; j < 6000; j++)
; O# q# r( {) W       {! B6 O" k( W4 v4 U
            std::generate(vec1.begin(), vec1.end(), []() {" q, N$ d% i" m# }+ @+ D9 [
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
8 w) Q4 b2 I  k, N& W& f7 [: Y                      });; J+ F1 M. I4 K6 w
. N4 e) t" m/ I: A# L& q
            std::generate(vec2.begin(), vec2.end(), []() {* y7 t; O, F/ e, C! C' i
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
' w! ~- }% \& @$ [  l" c1 B8 C1 ^6 m                      });" ^+ g2 o0 T8 o- t8 i  \8 J

1 h2 M9 `' w' n4 F5 P             for (size_t jj = 0; jj < vec1.size(); jj++)! F+ S6 q+ H# u$ U& I
            {
1 I0 a- v( A- o, q9 U/ S, U9 B$ V                      b1[jj] = vec1[jj];1 t8 i( F7 ?  \* n
            }
# Q' r! a6 }' o# {1 p' h
( \  m- ?3 Y" J6 H# R6 J' G) k             for (size_t jj = 0; jj < vec2.size(); jj++)
# H/ B/ E: M! f             {
: a* F3 I# e, E& |$ b/ a5 T                      b2[jj] = vec2[jj];
$ {. g1 K1 ^3 Z, Q* o             }0 s7 X0 [$ E/ l
) x9 s+ A5 [# c: Z2 C' R
            //Method - 1  N=100000 247s  6 `+ M) s$ k+ A. _2 X$ i
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
6 \' N3 M9 y( p& Q2 n) }                               2 }8 q$ h: f1 E! S, g- n5 F
            //Method - 2  N=100000  237s
; ?3 c! S& X# m9 |9 V- _# v& o             /*& Q6 t: D1 s, F' |, p8 P
            for (int jj = 0; jj < N ; jj++)  A* A2 U- `& b8 {
            {7 q- g6 N! V7 t- ^0 u" X' _/ v
                     fresult += vec1[jj] * vec2[jj];' ^+ x1 G! M: W7 L: n2 u: ^
            }/ X& x3 G( |* a7 t7 O4 Y
            */
/ {, ^* X6 l, V3 A# V1 p
( b' {+ R9 N1 }) I             //Method - 3  N=100000 204s
& Y% O5 [5 H5 [' ^2 p* y; e+ k             /** J* ?" e# i! F9 n. ]4 ?1 A0 Z
            for (int jj = 0; jj < N; jj++), w0 n- g5 q6 n+ S5 n& Q
            {
  ?" r& S& @! _' j( k                      fresult += b1[jj] * b2[jj];  V. g6 f9 J7 J1 R! c4 W3 v
            }
: o1 \/ t' x! S             */( |% W9 `, M8 N$ S( _
4 K3 L! c" I, A2 z  E7 t: M
            //Method - 4 202s
7 @6 m$ u  a2 R             /*
7 n9 x; ^8 d4 D; `2 A6 D  A             for (int jj = 0; jj < N; jj++)
3 p; D: k; B1 j, o3 K2 L$ g             {
- ]4 X0 i" j" N( r) Z8 `
" h9 [# ^1 F. X+ G             }
; Z' y+ s$ C6 y             */
9 h- C) H5 h0 i  K5 V2 D4 O' C             //comment out all methods, N=100000  202s
# `6 a" ^- X1 `       }
) y2 {, C9 M. a1 t/ I4 i/ N7 ^! ^
      delete []b1;
$ N. B+ @0 r4 p5 H9 j- S$ }* w. Z       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
5 {" z+ v2 R" h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？
1 y9 s2 Q1 H& ^/ Y7 K
. \* `$ y4 E8 E; s, ^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
3 \( Q7 L w9 w' R$ C2 T4 G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
- V" b0 a) z& s3 u8 d$ {) O, E, [0 x
* k- G0 H1 y7 L1 c+ ^9 r8 w* T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
9 _( f/ ~) |$ L# mvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
W/ Z( P0 D+ K- K- g" g; o2 X{/ s( V/ u9 \0 B, c
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