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 23:042 Y1 ` Z0 `1 C8 z; L' M% v$ k
拉下来？拉多少？; c1 J0 E; j8 l2 j9 o# 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
+ ]7 F) k" T: vMaybe 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* a- C$ F9 @( h& P
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
# W7 y0 i. A) H- E# k{
" n& S- @; \6 E0 x. W7 {) l 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
5 Y" O4 L' U M' n# z6 Q: i这个不是这么比的吧。。。, l6 K( D' V- u1 \7 W4 Z/ ?' }2 j
+ g# Z- y* f( T6 ?" z3 j7 a3 J
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
; y* t u5 C9 M4 v: c有道理。
% Q; k, g! C! l9 |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
( f9 c: f8 u- X# L+ w# m8 j$ v& y |这个不是这么比的吧。。。9 q: }/ x) q6 Z
0 O0 \% S; d6 Y- P1 E
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
; I9 u: O1 b5 I2 m$ D8 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& p7 y% l @0 B# W
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
9 z. I( q8 n7 s" d+ k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! h% b9 w+ K8 }# m/ B, L" T
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
6 C: y7 G( R: a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);
. K/ H# f6 {8 |( A       std::vector < float > vec2(N);
6 K/ z+ D3 E( P+ _/ u& Y       float* b1 = new float[N];
+ D6 g% {! L8 S2 B       float* b2 = new float[N];
$ {  C5 o8 B7 T' |1 @5 H' `
& }6 L6 F$ w  x  q       for (int j = 0; j < 6000; j++)
+ }2 O! U7 n! _4 g       {4 m4 L! _; w4 a, t
            std::generate(vec1.begin(), vec1.end(), []() {  @( q! Z1 @5 ]3 W! f1 I! S
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;; T# P$ j4 _4 b' G1 O  J
                     });
) k$ s* Z, t4 B2 L2 G1 h: q3 ]: j8 J3 M% ?& E" S" {* T. ^& u4 f
            std::generate(vec2.begin(), vec2.end(), []() {
0 f# X. G+ l- m. i: |4 F) L                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;( z7 x: e* J4 G, X, L. Z
                     });
  b5 o% B5 K, q$ v
, [5 X/ d/ T% t6 c8 r1 D" H             for (size_t jj = 0; jj < vec1.size(); jj++)) t+ s; Z, C% m; l: ~' f
            {+ G- e6 N7 R7 o& q0 g
                     b1[jj] = vec1[jj];9 `! }1 Y" E% C1 X
            }
6 D7 F6 e6 R% e  h/ y6 w/ V
% [4 r: @+ Y9 p! o) Z7 [# ~1 \: I, n             for (size_t jj = 0; jj < vec2.size(); jj++)
, J- F; y9 a$ R; n/ n             {
3 `; f  t* R5 x5 x                      b2[jj] = vec2[jj];; R. H. J! N5 y+ _/ a1 `
            }( ?: E3 R% g7 q8 D" V0 w
8 G2 G1 M+ w  r, r# [
            //Method - 1  N=100000 247s
; i3 _( s; S  u9 X% e             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
. q( H, O: L2 u" |# M2 t" @                               6 T3 T. _% ~+ Q- Y/ W2 u% [4 h
            //Method - 2  N=100000  237s: N" W% I: O  q: |% E
            /*$ r  n, h) h* u) O5 V
            for (int jj = 0; jj < N ; jj++)0 P9 E% w! r6 `# W
            {" ^" J, c" ?9 S0 q  ^% [
                     fresult += vec1[jj] * vec2[jj];- O8 }& y0 {* q5 X& ^3 j
            }- C3 i6 {7 r! O  k& c
            */+ q4 T6 e  E, V( t/ L% _1 n8 w

" h$ B' C% I( ^: [  I& o             //Method - 3  N=100000 204s
# R+ x4 g9 |: G2 f% I* c7 i# [             /*
2 T( m! F) T5 @% |8 m             for (int jj = 0; jj < N; jj++)2 v! d* a/ F' V) Q  o/ c8 a) f! Q+ F; r
            {8 [* w/ D4 A$ \: h* K
                     fresult += b1[jj] * b2[jj];  W* s6 x8 b: I) s$ l0 M
            }' Z2 Q1 d- u; s7 ^
            */
( r0 _5 |* k6 j+ t8 T& Z5 ^
" O: s- }; P" ^/ B             //Method - 4 202s
. A- ^% v4 `4 h( U! B- N4 U) ]             /*
0 F  i% t7 Y8 W" p& e             for (int jj = 0; jj < N; jj++)% t$ R( _5 Y2 Q) T/ D8 U
            {
2 H# r1 l5 z. ^' N4 H2 Y/ X
- P9 V: c% P6 P             }1 ^$ N; Y$ _8 c) t) v8 H1 t3 P
            */: b* A0 U4 r9 C& a: Q6 z& z
            //comment out all methods, N=100000  202s             8 @1 y& A; ]6 {; J' L. F
      }0 _8 T9 X- i) f$ Z8 ~

" _. i6 V4 Z" r9 X4 l6 h       delete []b1;
+ Q: w& |$ j/ J1 e! L       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
4 p6 [/ x9 D6 ^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？
7 J3 t* H6 {/ `* b/ s4 H
( \2 a, W- S% u0 v1 A7 f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
$ j! t4 J) j' 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、LOL4 S1 F3 q$ |0 L3 o, _& W3 u
; p8 X1 k6 ^0 j( D% N. i
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- o& R: l& Y1 x) Q) E* ~
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
# v1 y0 Q; o2 ]/ F* v' h- {. O4 r* n{. k3 R% s- G+ W: H/ q4 ~
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