Question

我们目前正在用C ++编写一些性能关键代码，它们可以在许多大型矩阵和向量上运行。关于我们的研究，std::array和标准C阵列之间应该没有重大的性能差异（请参阅This question或this）。但是，在测试过程中，通过使用std::array上的C数组，我们获得了巨大的性能提升。这是我们的演示代码：

#include <iostream>
#include <array>
#include <sys/time.h>

#define ROWS 784
#define COLS 100
#define RUNS 50

using std::array;

void DotPComplex(array<double, ROWS> &result, array<double, ROWS> &vec1, array<double, ROWS> &vec2){
  for(int i = 0; i < ROWS; i++){
    result[i] = vec1[i] * vec2[i];
  }
}

void DotPSimple(double result[ROWS], double vec1[ROWS], double vec2[ROWS]){
  for(int i = 0; i < ROWS; i++){
    result[i] = vec1[i] * vec2[i];
  }
}

void MatMultComplex(array<double, ROWS> &result, array<array<double, COLS>, ROWS> &mat, array<double, ROWS> &vec){
  for (int i = 0; i < COLS; ++i) {
      for (int j = 0; j < ROWS; ++j) {
        result[i] += mat[i][j] * vec[j];
      }
  }
}

void MatMultSimple(double result[ROWS], double mat[ROWS][COLS], double vec[ROWS]){
  for (int i = 0; i < COLS; ++i) {
      for (int j = 0; j < ROWS; ++j) {
        result[i] += mat[i][j] * vec[j];
      }
  }
}

double getTime(){
    struct timeval currentTime;
    gettimeofday(&currentTime, NULL);
    double tmp = (double)currentTime.tv_sec * 1000.0 + (double)currentTime.tv_usec/1000.0;
    return tmp;
}

array<double, ROWS> inputVectorComplex = {{ 0 }};
array<double, ROWS> resultVectorComplex = {{ 0 }};
double inputVectorSimple[ROWS] = { 0 };
double resultVectorSimple[ROWS] = { 0 };

array<array<double, COLS>, ROWS> inputMatrixComplex = {{0}};
double inputMatrixSimple[ROWS][COLS] = { 0 };

int main(){
  double start;
  std::cout << "DotP test with C array: " << std::endl;
  start = getTime();
  for(int i = 0; i < RUNS; i++){
    DotPSimple(resultVectorSimple, inputVectorSimple, inputVectorSimple);
  }
  std::cout << "Duration: " << getTime() - start << std::endl;

  std::cout << "DotP test with C++ array: " << std::endl;
  start = getTime();
  for(int i = 0; i < RUNS; i++){
    DotPComplex(resultVectorComplex, inputVectorComplex, inputVectorComplex);
  }
  std::cout << "Duration: " << getTime() - start << std::endl;

  std::cout << "MatMult test with C array : " << std::endl;
  start = getTime();
  for(int i = 0; i < RUNS; i++){
    MatMultSimple(resultVectorSimple, inputMatrixSimple, inputVectorSimple);
  }
  std::cout << "Duration: " << getTime() - start << std::endl;

  std::cout << "MatMult test with C++ array: " << std::endl;
  start = getTime();
  for(int i = 0; i < RUNS; i++){
    MatMultComplex(resultVectorComplex, inputMatrixComplex, inputVectorComplex);
  }
  std::cout << "Duration: " << getTime() - start << std::endl;
}

编译：{{1}} 这是结果：

icpc demo.cpp -std=c++11 -O0

使用DotP test with C array: Duration: 0.289795 ms DotP test with C++ array: Duration: 1.98413 ms MatMult test with C array : Duration: 28.3459 ms MatMult test with C++ array: Duration: 175.15 ms标志：

-O3

如果没有编译器优化，C数组实现会快得多。为什么？使用编译器优化，点积也同样快。但是对于矩阵乘法，使用C数组时仍然存在显着的加速。使用DotP test with C array: Duration: 0.0280762 ms DotP test with C++ array: Duration: 0.0288086 ms MatMult test with C array : Duration: 1.78296 ms MatMult test with C++ array: Duration: 4.90991 ms时是否有办法实现同等效果？

更新

编译器使用：std::array

使用icpc 17.0.0我们的代码运行速度比使用任何优化级别的intel编译器慢得多。因此，我们主要对intel编译器的行为感兴趣。

根据Jonas的建议，我们使用以下结果（英特尔编译器）调整了gcc 4.8.5：

使用RUNS 50.000标志：

-O0

使用DotP test with C array: Duration: 201.764 ms DotP test with C++ array: Duration: 1020.67 ms MatMult test with C array : Duration: 15069.2 ms MatMult test with C++ array: Duration: 123826 ms标志：

-O3

Answer 1

首先，您使用的运行量太少了。就个人而言，我没有意识到（在运行代码之前）你的“持续时间”测量结果是毫秒

通过将RUNS和DotPSimple的{{1}}增加到5,000,000，时间如下：

使用C数组进行DotP测试：

持续时间：1074.89

使用C ++数组进行DotP测试：

持续时间：1085.34

也就是说，他们非常接近同样快。事实上，由于基准的随机特性，从测试到测试的速度最快。 DotPComplex和MatMultSimple也是如此，但它们只需要50,000次运行。

如果您真的想测量并了解更多信息，您应该接受此基准测试的随机性质，并近似“持续时间”测量的分布。包括函数的随机顺序，以消除任何排序偏差。

编辑： assembly code（来自user2079303的回答）完全证明启用优化没有差异。因此，零成本抽象实际上是零成本且启用了优化，这是一个合理的要求。

<强>更新

我使用的编译器：

MatMultComplex

使用以下命令：

g++ (Debian 6.3.0-6) 6.3.0 20170205

使用此处理器：

g++ -Wall -Wextra -pedantic -O3 test.cpp

Answer 2

为什么......没有编译器优化会更快。为什么呢？

无论编译器选择什么原因。如果您不让编译器进行优化，那么即使它们具有相同的行为，您也不能指望两个不同的代码具有相似的性能。启用优化后，编译器可能能够将抽象代码转换为有效代码，并且性能应具有可比性。

std::array的使用涉及函数调用，而指针的使用则不然。例如，std::array::operator[]是一个函数，而指针的下标运算符则不是。进行函数调用可能比不进行函数调用要慢。可以优化所有这些函数调用（扩展内联），但如果您选择不启用优化，则函数调用仍然存在。

但是对于矩阵乘法，使用C数组时仍然存在显着的加速。

可能是您的基准测试或编译器中的怪癖。 Here两个函数具有相同的汇编，因此具有相同的性能

编辑：我同意乔纳斯的回答。基准测试的迭代次数太少。此外，在不重复基准测试和分析偏差的情况下，无法确定两次测量之间的差异是否显着。

结论是：

启用优化后，C阵列不比std::array更快。至少在使用链接所展示的clang 3.9.1进行编译时是这样。也许你的编译器会生成不同的程序集，但我认为没有理由这样做。
只有在优化后，C ++的零成本抽象才是零成本。
编写有意义的微观基准并非易事。

为什么C数组比std :: array快得多？

2 个答案: