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$ v' G! K! T4 s7 o& z' M' @
拉下来？拉多少？
) ] X! h6 b4 D) H( a* p3 p; A" O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# q+ |: j/ d6 f0 Z k0 T9 D
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
. {# Z& N, h+ F5 s2 A5 _void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
) C2 T! j/ J; H3 |& M1 [- w* l$ O{
2 m+ S' B5 z8 w# Z" Q 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
: e% [ n3 A0 P$ K( a" _: Y这个不是这么比的吧。。。
( w) j, q2 j* C* N/ ^9 Q3 g2 X7 k% G. g/ Q
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
V4 S/ g' D0 |- _: K有道理。9 z7 j4 l* }2 m
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! s* j* Y( T2 ]0 ^. v7 e; V
这个不是这么比的吧。。。7 U& r8 l q- w1 F( ^, c" V& k
0 r, t: b. k( ?& L! ]1 b% 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
3 M2 `/ A5 H% ^) 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 n: [) }2 i% E% b* j7 b/ s
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! L- k, y, _' h% D
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
+ T% D$ e s$ d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. k: K% l$ c+ K Z" I$ `1 C* q/ ^+ Y
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 V9 n. s' [) o+ b6 Y/ ?6 N0 H( Q9 E! H       std::vector < float > vec2(N);6 b! v% y% l2 z! Q$ a1 z+ a4 u: R
      float* b1 = new float[N];; N( V, v# s% s
      float* b2 = new float[N];
$ s5 t8 r3 L, p
6 U7 N  ^/ x8 r# m( ~2 h       for (int j = 0; j < 6000; j++), S0 z3 _& s+ S$ Q" E
      {5 @7 a. |4 E# X5 X2 E" {& F
            std::generate(vec1.begin(), vec1.end(), []() {& s, I2 Z. e: E8 _( s
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
% z2 w( Z/ h% s9 O- W                      });
) @9 x" R% o2 Q& F8 q+ }2 i2 b$ j, t1 [. x, a
            std::generate(vec2.begin(), vec2.end(), []() {
8 J( T2 l! q( ~' b" T: q+ w                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
) j& u/ a0 z& d. {, L! e( Y                      });
0 [3 C! _! r' e+ a/ v& h, H# u9 j# P' v3 f' d& Y0 M( Z
            for (size_t jj = 0; jj < vec1.size(); jj++)% I* h. j+ Y  M/ {
            {5 p9 I" w+ n: W3 A9 n, l; \2 g
                     b1[jj] = vec1[jj];
* n# A2 S3 i- [, V% T# M8 w             }
. d6 G! @, O! l3 U  I2 Q' e- a/ P. Z6 m' y) y) z% d
            for (size_t jj = 0; jj < vec2.size(); jj++)
) Q6 \' F1 B% T# n" B             {6 ~& b- @7 ]5 Q, ?8 m; }
                     b2[jj] = vec2[jj];4 x# p9 b7 F$ ^, e! T0 X
            }
% i0 |4 |! t! K9 ^* R3 F  [. l
5 v& v6 ?! i$ b) t' J             //Method - 1  N=100000 247s
6 q$ d) ?; k; \$ O) Z0 b             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
2 U- a# n$ C3 r9 b7 U; b8 M
: p' a" m$ T9 T2 ?) b( B) T0 R             //Method - 2  N=100000  237s
+ Y0 i2 I+ _0 C" H             /*
" G# Q% p1 M# Q9 ]             for (int jj = 0; jj < N ; jj++)! v% v3 [, t+ O2 \) p4 e, f  t, \. e, t
            {
5 K! @( W8 m# O$ m- j* ^; z0 O- S! J                      fresult += vec1[jj] * vec2[jj];
0 Y" M" }- ^$ J5 @. M& m$ F! B             }
  h' L8 z6 i6 u6 Z% j! ~. b. H' o             */; a# j5 d+ Z! M0 b, A8 W% b0 h

' o* I4 w, X- O  P9 k/ [' |             //Method - 3  N=100000 204s
9 [9 Y& {5 T- b9 m' C, D- D             /*
; I- t9 j/ ~& c9 x+ W             for (int jj = 0; jj < N; jj++)
* {6 D8 K6 @, O5 g% D3 Z; a! B             {
7 [& p: |& Y: n6 G" Z7 h1 d0 r+ `                      fresult += b1[jj] * b2[jj];0 J/ a4 a2 v, S" j$ d3 w8 m6 g4 l
            }9 p( i. n/ h6 q. r& A0 j
            */6 J- Q: S$ f" H0 E+ I+ i9 C- t0 y
  C( }4 ~  \% n; w; m6 H
            //Method - 4 202s$ Q* f- |' o$ V. e( r
            /*" H1 Z; o* x1 }5 N+ N
            for (int jj = 0; jj < N; jj++)* G# F/ f, q7 d' _* V5 I% h
            {, f8 J2 t- V$ u/ e1 [# p, ^
                     & H  X* L& ~5 c# O
            }
& d3 e& A6 \/ _3 s             */' c6 J/ ]! {5 j  K& ~( x" I
            //comment out all methods, N=100000  202s
3 [3 ^1 Q. e, F/ A& \       }# u' P- A* ^- ~* h6 n

% l( j1 E' n/ a       delete []b1;* ^. U. s% @5 m7 L' R* v
      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 `( Y: K# [0 o; b) N
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 R( f0 i! S& e9 E4 s7 S( r8 }
1 [5 B3 `# P3 ]* V1 e
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
# l- c+ J% Y% Y% w4 d8 N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, {- n+ L7 x1 T/ H" _) d
2 k# g) L$ _8 y p( K; L
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& ~2 l; i% n% r0 Y& q, {8 C
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
! F0 N# X/ _+ ~3 H$ [4 @{
2 }4 P; z, l, l7 m3 i 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