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
; u* m: W+ A' |+ d' T拉下来？拉多少？& Y" A/ p3 p# n% V* 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# S3 ]/ I9 ]1 H4 u
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
& U" H4 u1 L& j( d5 z& p$ V, k( qvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB), f$ q6 Y5 A: i6 Q5 G/ M
{
. u! R4 Q( Z/ B6 N3 ` 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! _. V) L( f% `2 h+ D; V
这个不是这么比的吧。。。
/ D$ j: l% R! Z
2 E% `% g }8 O4 j, b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 00:467 f( U5 N* P1 S1 U
有道理。' S3 G: c0 T& Q+ Z9 b& b0 f. d4 K
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 00:204 S' r2 d& G. W: H
这个不是这么比的吧。。。& I1 h' l7 H' Y; h, x
4 a' g: U2 X& |* `% g( h
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
* W/ y# _6 ~. s; ]/ Z6 |0 a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 01:279 _" T' e( v5 `- k
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
2 b% t4 h, a; m: U9 u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; F( J; z8 X' S) J/ J
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 14:587 @ W2 O, S( p. ]6 R* p; H# E
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);
5 E% @  U" d4 }5 }9 l4 J       std::vector < float > vec2(N);
' }. y+ N5 f7 \; L  B       float* b1 = new float[N];
4 |( l  F4 |! h2 W5 _       float* b2 = new float[N];7 P- w7 m: T  V1 y' N* l
  y  k, p. h5 `% s2 @1 d
      for (int j = 0; j < 6000; j++)
6 W: q0 ]6 t2 J9 b  z7 a- D* t6 d5 H       {& T+ ?# }1 `  d
            std::generate(vec1.begin(), vec1.end(), []() {
* l1 D" C0 U  M% n/ }! C1 S                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;! o; S# Y+ f' r" W6 A
                     });
+ o2 L8 t! r: m2 z' k
$ u: G# h5 J5 I/ F2 q; B             std::generate(vec2.begin(), vec2.end(), []() {
& w4 G7 i7 T) W& T                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;* Z  a& p3 N6 ~2 ~5 B
                     });
: ~  V# x& ?& R0 _8 f) a+ M9 \+ J
            for (size_t jj = 0; jj < vec1.size(); jj++)
) w5 @& J* q; {0 V+ L             {8 U) f, {7 ]1 ~. T. {, P
                     b1[jj] = vec1[jj];
7 h" J3 `& t6 x             }) q5 F- f( N9 a- |! x6 q% l
5 s5 Z+ }9 c, r! n
            for (size_t jj = 0; jj < vec2.size(); jj++)
; T9 ?* O# h# B8 M5 C             {
. f3 `, l* O4 h. Y! K, O                      b2[jj] = vec2[jj];
+ Y% E% L+ _2 g5 z5 K; {7 r0 O             }: J: a* h, y2 t( o

! J9 \; v7 a1 ]             //Method - 1  N=100000 247s
0 |+ g; Z& ?% r5 @             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);$ n4 n% f; b# O

7 X; z2 J9 R: f0 u9 u+ Q- E             //Method - 2  N=100000  237s( P6 k$ R- y1 T# L% L
            /*  b- R: [: I8 }! J" b& R
            for (int jj = 0; jj < N ; jj++), j! `: F  _1 `, j: ?% o
            {  G" K) f, G3 i
                     fresult += vec1[jj] * vec2[jj];
+ k9 Q+ X) S( g! v8 t, u& G  ]! n             }
; U4 K* A; R% H7 h. S             */0 i) ]& J0 M5 Q! F. H9 T

" V& `( b# ^# U. o- T* ]* l  z             //Method - 3  N=100000 204s" {* g# \9 ?  Z' N1 B1 O8 n
            /*" E& U; T! x+ U3 H5 ~
            for (int jj = 0; jj < N; jj++)
- a1 T1 |/ C: C             {& D" G- V, j' a' V: G( L
                     fresult += b1[jj] * b2[jj];
: c' @* Q3 X( n8 \& m; C9 \* J             }
- _- G# K' `* K( ]4 }             */7 I2 a1 T  `7 n! e( q
! i  e5 }' e" J: k7 E* f
            //Method - 4 202s) l( ^. K; p* v( M5 `. r3 I  \2 \
            /*- o6 |" d0 {' c) s4 l0 c# A
            for (int jj = 0; jj < N; jj++)
: [: C% v8 q# v+ c; o  O# k             {8 g  O! V) f; Q8 m3 D( L- Q

2 V4 Z- {+ I, |5 w             }
# T, `# U) @0 W* X9 ~" p             */; ]0 }: n6 t( j- g' X
            //comment out all methods, N=100000  202s
( }- B5 [: e6 L9 j; r) k       }
+ O6 g5 }6 T# ^& e) F  F; \3 s! i. A( }. o% P6 b
      delete []b1;
0 Z5 Z, o! k8 ^0 G! M# b! w3 s0 S" G       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 00:150 }" f$ Q% ]! @0 j, s
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 R& P8 v1 C7 U9 h0 c9 y

' ]6 J3 Y: t% A) h4 `) l) @4 v( J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% h6 y, Q' b( T _; {; h
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; {$ |0 _0 E$ n2 {# m) d! c5 b
+ ~( l/ O( H4 h4 S1 C
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
' j+ f O/ j7 X0 p/ G: tvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)/ ^& {0 S9 H3 A
{
! O9 ^, \4 h9 n4 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