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 h, i0 S3 J4 e
拉下来？拉多少？, p1 Z' V7 m- [ s5 T( c2 q, l4 d
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 23:336 U1 D6 E% [8 R% v; |" r. {
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
& a2 e5 T! v; Q c/ C1 R* gvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
" \- u! q4 Q1 B{/ \0 S6 N3 Y$ {4 S
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 00:204 q; R: l, _" y1 {+ O& o
这个不是这么比的吧。。。8 z8 Z" B$ _1 [- F

- O% M$ i2 M/ \$ Y7 y3 s {% 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）。

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
3 q2 N0 N+ w) Y有道理。. r0 c( b) m' u5 q2 }, L
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
0 k7 p4 H" B2 m# l. i这个不是这么比的吧。。。. J% K; v6 I* O
$ N! I/ \6 t+ V9 p
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 n$ r9 {6 G B. e2 ^5 |) v9 i
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# U- B8 M- a) {% n1 r
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
% m/ o& [* I4 U% 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. d1 g5 e5 C: C% {5 _* q' B9 {5 ?1 E2 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 14:58
0 `5 O3 x5 b6 S1 ?4 X2 `, h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);# i: z8 ^! l/ Q1 ?9 z2 `
      std::vector < float > vec2(N);6 E0 l3 ~& z, Y4 D1 c6 n
      float* b1 = new float[N];  n: l0 A/ |( c1 L8 @& M1 l
      float* b2 = new float[N];% A# w  T% k5 k/ ]4 U

! ^7 `% p# t. R7 |' H" r  ~7 J+ c       for (int j = 0; j < 6000; j++)
7 \( T5 _4 R! [# {       {0 M8 W& S, W' ^( m2 R4 @7 _
            std::generate(vec1.begin(), vec1.end(), []() {
1 c. U; \6 p5 N9 H3 D% E; _                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
# X4 M; e1 J: J# a% S                      });- Q9 `. x$ j/ g' _

3 I- C) ]6 X5 X. b             std::generate(vec2.begin(), vec2.end(), []() {" d- ?& t% E+ v) f: i% n! O# ^
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
; B8 Y7 s% G1 C, B+ H+ _+ T5 T+ v                      });- a- N, W0 F; t3 b
2 q- B1 z2 G' h1 e/ @
            for (size_t jj = 0; jj < vec1.size(); jj++)
* V: d: N* u7 T) r5 S' Q             {' U% f6 P: S% W0 P3 C
                     b1[jj] = vec1[jj];) |: t6 w: o/ D9 L5 A; P
            }
' O0 f' p; C$ T. p- R: H1 _1 b+ [* |0 I" M+ g$ V5 K, s! J% G
            for (size_t jj = 0; jj < vec2.size(); jj++)! B6 I' L: {# `+ v- @
            {9 [  i1 F4 c, H2 ~# S( A# H& ~) d
                     b2[jj] = vec2[jj];* a* s  J. B4 g1 {: G
            }
- N. t$ X: Y! }. Y7 y) @4 ~3 w! @) V
            //Method - 1  N=100000 247s
2 ?8 L2 Q$ ^+ H) g0 j3 Q  w' \             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);9 k$ |# @; g$ J, s  B  v
                              2 b$ E9 }' J; Z/ t4 o, L/ b
            //Method - 2  N=100000  237s
* E$ b5 E% E7 i: `+ _- |/ ]             /*
# a$ \. {& D0 i( m6 a             for (int jj = 0; jj < N ; jj++)" S% \  e; c2 }6 S- Z. M' b
            {
7 b' n3 ]6 \( N% K# B1 R                      fresult += vec1[jj] * vec2[jj];
3 R9 z3 e# k% U! Y2 i8 ]             }
5 b+ I5 y* M: l1 w             */
' |9 l2 S: W, K2 M$ f7 @7 Q
2 C0 g1 q5 d* o2 l2 X$ f             //Method - 3  N=100000 204s
2 D9 Q& Z4 v9 O0 D" l7 i1 ?$ W             /*
: T$ j) I( F" c# ]! C5 l, B1 [             for (int jj = 0; jj < N; jj++)
3 T$ L$ y* s) N9 Y5 a% ~" c- e             {; \% j% A( h! N. g2 u( ]( v$ }2 a  d
                     fresult += b1[jj] * b2[jj];
! a! j2 K0 ?2 {$ B& ~& z, R% H             }
/ ]7 W9 A# e3 q; L. q             */
. y8 M4 h4 Z0 }8 E3 i' V' q2 m. f# Q" t
            //Method - 4 202s
9 j7 B* O5 P+ }6 Q             /*
! m. F' N: t- _1 \% u; e             for (int jj = 0; jj < N; jj++)' o9 I8 O& P9 h; e) \8 F# m( e
            {
8 v# r3 P1 \9 o9 J! O  ~# ?. x
; c1 U! a0 A- q' X             }
. N2 g/ W. A7 d; d9 r+ x             */$ T  [; B" C9 O7 b4 ~7 l5 F$ A' M
            //comment out all methods, N=100000  202s             7 l2 w$ @0 k9 P0 @
      }
5 l6 x0 i- k" ]; {: M4 F: U$ \4 q$ g: g7 F' S' W2 h
      delete []b1;
9 q8 {8 s# o7 k6 u) L8 R- a       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 00:155 M) ^. h( ?' X8 T# j. G
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 n* d* A. V$ ]3 s) {1 \
0 N! j5 ] U; N7 Y7 K9 u
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( a, n2 Y- S! W4 T
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: R2 n+ |* s4 r$ r. J, t4 B
- N- l! F# a( o3 s/ }( A
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% L1 X* m3 M$ z2 J5 }$ L
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)- R' \% D! L J' T' c2 A, {! F
{
/ s; x6 c: h* T 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