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 23:045 f8 A3 ^$ O. o& K: S: B
拉下来？拉多少？+ {& c) |1 U$ j% y; [( W6 J
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
7 b: ?: R- d" [3 v' N4 z" wMaybe 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. X# \7 G, ]0 P! wvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
& _" Y; _5 h" |2 O3 S8 `{
' L7 C$ ^( s. D: b3 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 00:209 [; k- p$ F, [; @: g0 H2 a# U
这个不是这么比的吧。。。
0 s- `: p' t" M; [, |3 l
. m! k& Y$ q0 [0 X# ^- s% u$ v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
, u0 i/ P$ P, p$ z& m3 r% O7 l有道理。5 [/ P3 O7 n) z# G
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 00:202 D+ K- J: l1 d! G6 h0 M& n' L' j
这个不是这么比的吧。。。
7 w1 }9 \2 ?# N6 N5 J! c7 L
6 v& Y0 R1 j% y/ H7 v, ] @* p' R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
2 V) J, G, i- B7 C& ]+ v9 x( S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) Q3 @6 r, O4 ~2 [
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+ \3 ^* p. u. P( z. 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
b n7 c; z5 q( K! T( 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, A4 y* [8 s: e5 @3 n
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);; n: S: s( T, _3 u5 O
      std::vector < float > vec2(N);
  a2 Z$ r0 u) k4 X: n1 ]  w2 g5 r       float* b1 = new float[N];( C5 i/ g. \, u$ x1 R
      float* b2 = new float[N];
& j5 [/ i9 i4 q' g! t* |( n  j( f
0 G6 i) {0 f0 i       for (int j = 0; j < 6000; j++)1 I+ O" L  q$ E) X3 G
      {
( U# q  U4 T4 c  S             std::generate(vec1.begin(), vec1.end(), []() {6 f# N2 T. O, {) v5 V3 X% \( C( E
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
5 O; x. u' N1 S7 |- ?9 T                      });
7 K# a. j* U. k8 E; s- X1 b3 W: k% K/ P, b' _
            std::generate(vec2.begin(), vec2.end(), []() {
; R0 Y5 |0 B9 G2 ~                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;9 r2 N# S- h. A5 o' J8 D& C
                     });
4 o" F/ w* l" a$ _( h( @" p
- ]; k4 Y1 G8 v" `4 Y+ a. C: _* D6 W             for (size_t jj = 0; jj < vec1.size(); jj++)/ ?$ p' ?) ?/ j9 a+ l
            {
/ J1 \& D+ A# J6 `8 i3 D/ o' H                      b1[jj] = vec1[jj];; j# ~5 z  C/ m5 @7 k+ W* @
            }
6 w: x9 d$ V$ a/ K
6 s8 A+ |9 y* g9 O2 H% }6 h6 G  B8 M             for (size_t jj = 0; jj < vec2.size(); jj++)+ `3 c/ E8 v/ R) W
            {
6 j+ r6 i2 X2 d  V; v$ y" N                      b2[jj] = vec2[jj];4 L$ w( X$ }/ B5 t! j- F
            }6 U+ [/ n- z: c2 p0 P% _5 i- n
. W8 [4 q) K- \% D/ G
            //Method - 1  N=100000 247s  8 j4 P. _) H& L, i# t" w
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);$ f% C0 C" i& M; N' \
                              . ]; r% ]3 z' M6 u
            //Method - 2  N=100000  237s  I/ N8 a  ~9 k) d
            /*1 l* X3 ^% |- [4 h' q- F
            for (int jj = 0; jj < N ; jj++)" n- B2 M, d2 ^3 m
            {
1 y- [0 z2 d* N( e( E9 k                      fresult += vec1[jj] * vec2[jj];8 _- W, s: @" D, ~2 p& x
            }7 c/ j3 G- M' f  |* c1 x: N
            */
& s8 [' g% W) y& O                               ; V( d  p) [3 r; o3 _3 c% C
            //Method - 3  N=100000 204s8 ]: b5 `  w" y5 k& O4 L  D
            /*; A6 R, Q6 r+ J* T& I
            for (int jj = 0; jj < N; jj++)
% O& D# y1 k* @+ i7 t             {
; K" ~* @. F! d  h, y! z                      fresult += b1[jj] * b2[jj];
9 \2 C. L7 X0 c2 d! s! F             }
/ L4 K+ L: }! V& b5 H             */
4 F* u  m4 D% A# y
, I5 C8 E! C* C! e; v  b             //Method - 4 202s- D* ]" X/ d7 h. a, f
            /*5 ~2 N* a3 J! a
            for (int jj = 0; jj < N; jj++)
! l- V# S3 Z- r( D7 U% U" }             {
# g9 Q' x. s  B$ O: F$ `- d                      ) b6 U6 L) _3 _
            }
1 G0 d; u; _, c; ]; E5 E5 X' `             */; \7 J- ]2 q# L- W0 ~
            //comment out all methods, N=100000  202s             ! f" P" Q+ _+ q# b# e
      }7 S6 B) [6 x% ~1 U3 N) ~/ l7 C

* n- @& Z8 B  G( U$ P1 ?       delete []b1;6 W  ^% ~% w9 E3 s* M/ t7 S, Y
      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
3 D1 A$ i# {8 X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？
8 t5 D$ K7 ?* k) T/ K! n/ [* `7 o- P$ 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" b3 o7 u( G% ~
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、LOL3 b1 M# ^3 Y* Q

4 e* U$ V5 s. g# V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, s7 t4 T) _: n& o
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)# |6 J- R! b+ o" K: r/ m: R
{
6 ~1 E/ A& {0 O 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