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. b% C( O/ u, j& a+ q! U
拉下来？拉多少？. E7 c( e! z" 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 23:337 {% r) ?+ Q# o% t( d7 E! |
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
0 n# ~* Q8 U: `) h: Pvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)8 K2 \3 P: A& l' r( F" A
{
6 D8 g8 l5 `: w, o5 y 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
) @' l, g# A3 B: n% F- \- m* ]这个不是这么比的吧。。。
; m9 M ^+ o" Q8 K$ e: b% }( j* m% w' ^: r3 V+ X! C+ ]
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
; e6 ~- ^; m8 U/ C' o* r% r有道理。
" y" r0 u" e/ ~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
+ }; @! \- t! |0 e4 H6 @: r4 e这个不是这么比的吧。。。' ^$ D& y0 H8 K1 S7 U

0 S* ]2 a7 O, z" F L6 G5 z* k7 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）。

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+ m/ i9 Z. a6 T1 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 01:272 F/ _5 O4 C& f ? m
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
' g1 @. ]8 N9 y6 h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
8 \; j1 m! t# M1 d8 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+ G- R5 O7 D+ G" V4 `
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);! U2 j8 l" o: T( C& t. J
      std::vector < float > vec2(N);7 T0 J9 w6 C( V: a) l
      float* b1 = new float[N];
5 Y/ J% b2 u1 }6 A4 X       float* b2 = new float[N];/ @" P0 T% F% u" p

( N  r& b" z9 t: @" v6 \8 v       for (int j = 0; j < 6000; j++)7 a; {- F$ X; o1 T! F/ Z
      {! p5 [* X* p5 [7 H, K5 P$ j) ^- {
            std::generate(vec1.begin(), vec1.end(), []() {
8 s! j, |& y: @" n                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
  ?# x+ ~/ U: u  ~                      });
0 e$ U' t, n; q6 i
1 D& a1 w4 S  J. k4 s* t             std::generate(vec2.begin(), vec2.end(), []() {' {" Q7 ^+ P8 M, P
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;( r  a3 `! M* L  G7 V
                     });2 {6 ^( u, d  i8 ]' R) O% F" h% a
2 l( ~. O: X8 `3 S
            for (size_t jj = 0; jj < vec1.size(); jj++)
1 u1 z* T' T3 i1 f, K) u             {
; }- I$ ?5 v* {3 Q* {                      b1[jj] = vec1[jj];
6 p# l" e6 q. [; I* a0 p0 L/ H: V             }* z' M1 }" b) f$ ~

/ P* g5 E1 a! V% d+ D$ Y/ s# n, K) e             for (size_t jj = 0; jj < vec2.size(); jj++)
! y$ y$ E# M0 X* s             {
( ^: x* @3 A: {& ^: f$ v) A                      b2[jj] = vec2[jj];+ P8 Z, o# W, R0 b- w4 _, ?" f8 o
            }
- n6 {$ C! \9 y8 W9 X, _
+ X+ O, I; e$ b             //Method - 1  N=100000 247s  ; _( J0 f* C5 R9 c  K, `
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);5 c4 n( W# X2 p4 y9 m8 O

6 A: y+ k/ t$ k( X             //Method - 2  N=100000  237s
, _9 q+ I9 g8 [& R# Y3 _             /*
& S7 W: g$ ?7 X& n; s1 H6 u; G             for (int jj = 0; jj < N ; jj++)
) l0 E! J* U8 I' ^: m: R: z9 {             {  ?" d" U7 R; u; }* m* w
                     fresult += vec1[jj] * vec2[jj];1 l" V3 ?, |; a) r! L
            }
) c  h7 B4 s' \4 s' N/ e             */5 J3 v5 v4 i# `" A, ~9 ~
                              $ R. F9 f( T# ~# Z5 `6 m
            //Method - 3  N=100000 204s) S; ?( N% X' q5 i
            /*5 P& q0 k  z0 O0 ~/ [. M
            for (int jj = 0; jj < N; jj++)
8 c4 g5 V4 I0 w- x             {4 X1 I3 G. G) b7 ^9 }/ p
                     fresult += b1[jj] * b2[jj];
: W3 M) O5 @; n; K7 O4 Y$ U" s' J             }4 W& f# k: F' z8 w  H4 D6 a! k
            */
# T  ?; B4 e- L; y
( P% ]; W4 \3 }             //Method - 4 202s& t& o% Q4 }, c5 A, t$ Y0 S: B- s
            /*
- s1 |8 F1 O  ]6 F$ m             for (int jj = 0; jj < N; jj++)1 M, A+ V% ?- O2 H  [9 z
            {; Z* m8 U$ j( {

3 V& b- |0 i4 }3 ?) @3 L             }5 E) A  ]4 x: \8 g( C4 e* {7 b
            */
9 h" _2 ?) R% C- ]% d* Z7 H             //comment out all methods, N=100000  202s
: S% E8 j1 b" @( l* e, p       }8 c& [5 k% g; T. o4 \

. Y9 h  ~" e/ u0 d  G  K4 k       delete []b1;
7 a' O8 f! h' O* S       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* e: T: }3 Y! n$ |! n% 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？6 ^/ i2 w L9 G

' p U1 G! q1 K4 I2 v) R- {$ X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
3 j5 r, _) K" B: p# u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# m8 a. t% S; G- j% k
8 ?6 ?7 |" m3 X% ?' g9 U
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, W2 u; Y) J* ?, f& }1 H. N Q8 o
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
3 @( S3 Z, z. y- l{
0 v/ D2 o3 A, D# F 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