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. J) X5 y3 o0 t
拉下来？拉多少？& @) m, v% q# g/ X- `; b/ b
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 23:335 Y% P/ F) t8 T T8 e4 A
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( ^, C5 u D2 O1 p% ?9 o
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
, V# O2 u& Q6 G* i- V. ]5 B{; I' N3 q1 p" `7 }2 G5 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
- a+ \* F- K; w8 a2 ^3 N5 L这个不是这么比的吧。。。( z" l3 N- s( G- m3 M% a
+ k/ M N/ v6 x* S3 d" P' h1 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
$ \0 u& \* {% ~/ r! ?有道理。3 g9 T9 E8 i. ?; R9 R0 Z# J( F
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- N4 x& w4 D% u8 w9 X
这个不是这么比的吧。。。" e* L. {: n9 X `* [7 o
7 Y) \ d, ]# ^; f" p& |% B" r2 g
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 01:487 X$ u% E/ V% }: g, v3 v4 V
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
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; ?$ w! ^ X! C1 @
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 T# m; a' e( H+ 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 14:588 V. m3 r7 E' c; f
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);
% S5 N- a1 ^7 X+ X8 n  A       std::vector < float > vec2(N);6 x! p0 p% u* K/ Q/ j. S: |
      float* b1 = new float[N];- m' s3 E# C- E( @, @; P5 T
      float* b2 = new float[N];
. X! \% U1 d# t3 w& |, K1 k, s$ z# Y. G  [" M
      for (int j = 0; j < 6000; j++)
/ D  z2 M& O1 k5 O& u/ k       {
0 E9 _. [& m, [2 e. K+ V             std::generate(vec1.begin(), vec1.end(), []() {0 t7 |: O. Z4 y$ O( m
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
& j9 T2 A& \) {                      });
- P9 p: F  v# H7 N. }; M1 ^3 q* }4 l; X
            std::generate(vec2.begin(), vec2.end(), []() {
. L) b# w. _2 O; H                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
9 Z! x- |" B9 G8 {: f# X% A& ?5 Y                      });
$ l" n* U" y7 u$ h, L7 j3 c4 B- n3 T0 N! C
            for (size_t jj = 0; jj < vec1.size(); jj++); D0 E- M$ i0 C! Y; s) c
            {0 i5 h' _" a7 A' ^$ \* V) _% t
                     b1[jj] = vec1[jj];. u; ]& e% c" h4 B& n; }
            }" I# f, q6 `: n/ T. Y$ n

- R0 Z% k4 Z$ F# U             for (size_t jj = 0; jj < vec2.size(); jj++)
/ r. C8 g& n% f             {
: h, F, @' V, @1 d7 |                      b2[jj] = vec2[jj];
2 n: X5 W# q* ~+ ]3 L7 H             }
1 \: c7 r  ]: C1 A
/ L3 K7 f9 C& s' M( p% d             //Method - 1  N=100000 247s  2 T: k6 B$ p5 H# z; \
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
. _# C! {6 o- z& A$ W$ F4 ?+ V5 \, V                               & ~9 N3 B. g& X
            //Method - 2  N=100000  237s/ D- j! T1 S* x2 n8 f
            /*- ^! I8 u  m" b0 i, A% ~# W6 q
            for (int jj = 0; jj < N ; jj++)8 ?; m* e9 ?& S/ X1 ?
            {& e7 M1 i, W! W/ a
                     fresult += vec1[jj] * vec2[jj];
; g* Z0 W' }2 Y             }  B, W. B- Q  G/ n, S  B2 Z
            */
6 u  h2 k0 }% u3 ^' v                               ! Q# L( v4 @$ Z# \$ A+ O, O2 Y: D
            //Method - 3  N=100000 204s" j( t% {8 D! Q" X: _8 Q& n
            /*- ~' |/ r6 s0 \4 y+ C
            for (int jj = 0; jj < N; jj++). u4 i* q+ }$ v! n
            {
% W/ U. e2 Z1 u( {  @1 e7 \, ?* c7 k                      fresult += b1[jj] * b2[jj];& r7 p" V0 p* t+ l0 Y
            }' o8 Z3 n7 `, k" }7 f# {. w$ E
            */3 Z9 |. P( X% R

0 V6 R0 ~4 C( l" Y$ o1 y9 }             //Method - 4 202s7 c: l% C" y. a, G) N- E/ g( g
            /*
; f; z, q9 [( h' f% B6 i             for (int jj = 0; jj < N; jj++)
1 c# r( `2 |4 C% Y( I* z2 m0 E* B0 T             {1 A2 [. [- C3 |$ Z
                     8 l& n3 @$ D  Z  ~$ q& }
            }" C( U; S: U2 F; D' n1 w  b9 a
            */* L/ D' y! e- _3 A
            //comment out all methods, N=100000  202s             . H& {3 n4 ?) Y6 w& t, K; @# ^
      }
( L" `* K4 S( P
; _  K+ g8 I  n$ s* \' o       delete []b1;! k1 w" b' [8 g+ `9 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 00:158 G" i" n; M$ Q9 p/ q
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？
! t3 `# R: K! y0 q5 z$ b: T1 H0 O0 }* ], o' L3 W
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
& i& W8 @/ _4 w. w$ z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
9 h H% X0 e! m! b7 A& m5 D+ c( f2 q$ w# b2 y0 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 23:541 H: |' `. s/ }! [6 n8 s
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
6 |" @' r* R. |* l& y{' C; z5 c- X- d' D' O9 Y
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