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
9 b% J+ O' o/ y3 \( w拉下来？拉多少？
3 L W# L; q6 Y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
$ s+ @, v" O+ \& Q" E# \0 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 23:544 ?# v4 Z" Q+ {, \9 U! |
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
, T7 m2 h0 n) v1 P{
5 t) e/ \4 `! x7 G, Z4 ^! x: v 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
8 u: j t/ j+ m- `. T0 u这个不是这么比的吧。。。3 `$ {$ I4 i8 m) e
% C, R. v! f* c- ?5 y
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 00:461 K+ n4 G4 N& W. S- Y! R$ R$ c- u
有道理。
3 d G) C0 Y s. H' d1 H6 {& B: c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
+ x# f: p$ v3 f, L+ m2 q这个不是这么比的吧。。。$ G( ^0 W. {' f0 p
( q% ]* }1 y/ z9 t
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. y$ R$ P& Z" z+ N0 ]# t7 ]8 W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* m" N2 i: l0 ?
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
- p' ~3 m( }0 S/ l, 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 ...

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: o9 L& x3 l, `, ^# [8 O3 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 ...

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
; s- C; g+ M8 q5 Q3 d# 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);9 l2 q/ x9 S- y. d+ x
      std::vector < float > vec2(N);
5 x, T+ v+ h# ~. ~, Q/ ^% C' G       float* b1 = new float[N];
& A# {5 G# t/ G/ s5 g& G8 x       float* b2 = new float[N];- ^: M4 q6 _# @3 J; y( [

9 K( _$ s6 X! i1 q       for (int j = 0; j < 6000; j++). M" }0 l" S' }/ {% J$ p9 V/ a) r$ {3 b
      {
  ^$ H* c. }9 [8 P' i9 b             std::generate(vec1.begin(), vec1.end(), []() {- l* M5 h* ^7 s- c& e  s
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
& w# S$ a' s; v# w6 B- k$ G                      });
- K# [. F5 Y. r* z8 o
3 s1 x! Y0 X# t( K2 h. V             std::generate(vec2.begin(), vec2.end(), []() {! `. P$ `5 a2 r  o
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
9 e% |8 H" E% s  W7 I                      });% L" j& K/ E. Q& \) R: v5 ~4 Z- z

- h1 @! r5 ]# r: I% J+ r( o             for (size_t jj = 0; jj < vec1.size(); jj++)8 }: Y2 C- l9 I, C
            {
1 C* F8 a/ y: E0 T# V& h. `) x6 [                      b1[jj] = vec1[jj];2 K. `. M" i- c% W4 \; A5 ^; c- H
            }" X) Z; K+ k8 k3 n% A3 Z. g4 k

) M) G' Z  Q. C/ m! _" k             for (size_t jj = 0; jj < vec2.size(); jj++)
# L$ o' V5 C. X  A             {" ~! H! A' W# b9 I& k$ F
                     b2[jj] = vec2[jj];$ F. W7 ]+ f9 A. B) Q  e
            }$ S# j( j  }/ ~: P# }
3 }+ p, o" k9 Y$ H0 K
            //Method - 1  N=100000 247s  / v& `# C$ o, c( h! R. m2 L
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);& R: [; r3 |( U- k  Q; {9 u

" x& v( n! P& _6 I6 ?             //Method - 2  N=100000  237s
2 A) E4 o  K$ M2 a3 w             /*2 o2 ]1 |( b7 G# Y
            for (int jj = 0; jj < N ; jj++), O8 i$ R% j3 X! z  H
            {
1 D& w3 b3 V  N7 }; j1 a. ]                      fresult += vec1[jj] * vec2[jj];* U) F9 a! K( ?# s. _7 Z. _
            }1 V& o: [3 l1 l% Z+ Y# I+ M# k9 k
            */9 `7 Y  p9 ]6 q& K7 D+ _  ~2 x

  w& X8 }" T+ \. W             //Method - 3  N=100000 204s
6 v5 o" G8 i! }3 m, t* o9 Z             /*
& j( L9 N! {& U+ ]& }) q) r             for (int jj = 0; jj < N; jj++)
5 Z7 T% u/ u* t2 `2 z0 ?( H$ y             {
& }# e: D2 ~. o6 \4 T9 z                      fresult += b1[jj] * b2[jj];
5 ?* U& ~* N, E3 D0 U5 e             }
8 n" {2 h! h' x' r8 t) s6 i             */
! M+ z9 A' y3 a2 j
+ z+ S; E' d/ r  k  }             //Method - 4 202s
) X/ @& N) M3 x' d& w             /*
# s9 p- a, H' `8 a( Y             for (int jj = 0; jj < N; jj++)+ B9 I& w0 X0 Z+ [$ C, L/ @
            {
( J4 x7 x0 Q! t+ ]5 V1 v- v                      * F  c! F; a( o8 o' V
            }
" o; Q2 L% a% u( G, z) t: j             */
6 Z+ u+ j8 D2 M             //comment out all methods, N=100000  202s
1 e) w, H% K4 b- U       }# }6 e- G; I2 S, r  h  u$ T: Y
0 `5 ~) V2 l$ a/ S: @
      delete []b1;6 i' Y' N5 q" E. Y( `$ r
      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! t& z( c( |' p* w6 n' X9 m" w
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？5 j( T. q7 G# X5 N

/ m+ ^4 p* \* i) d; r% t' m5 b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
1 o( G' @, F9 M0 p3 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
3 A( s' H3 b% e, h" k. K; {/ v7 p% D, 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
0 b. e1 S) j2 K% Y8 jvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
% N3 |- i$ r9 k* V5 n g- Y{4 q& T" |9 L- S( D+ o
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