Ali*_*abi 15 floating-point performance profiling haskell vector
我有一个应用程序花费大约80%的时间使用Kahan求和算法计算大型列表(10 ^ 7)的高维向量(dim = 100)的质心.我已经尽力优化求和,但它仍然比同等的C实现慢20倍.分析表明罪犯是unsafeRead
和unsafeWrite
来自的功能Data.Vector.Unboxed.Mutable
.我的问题是:这些功能真的很慢还是我误解了性能分析统计数据?
这是两个实现.使用llvm后端使用ghc-7.0.3编译Haskell.C one用llvm-gcc编译.
哈斯克尔的卡汉总结:
{-# LANGUAGE BangPatterns #-}
module Test where
import Control.Monad ( mapM_ )
import Data.Vector.Unboxed ( Vector, Unbox )
import Data.Vector.Unboxed.Mutable ( MVector )
import qualified Data.Vector.Unboxed as U
import qualified Data.Vector.Unboxed.Mutable as UM
import Data.Word ( Word )
import Data.Bits ( shiftL, shiftR, xor )
prng :: Word -> Word
prng w = w' where
!w1 = w `xor` (w `shiftL` 13)
!w2 = w1 `xor` (w1 `shiftR` 7)
!w' = w2 `xor` (w2 `shiftL` 17)
mkVect :: Word -> Vector Double
mkVect = U.force . U.map fromIntegral . U.fromList . take 100 . iterate prng
foldV :: (Unbox a, Unbox b)
=> (a -> b -> a) -- componentwise function to fold
-> Vector a -- initial accumulator value
-> [Vector b] -- data vectors
-> Vector a -- final accumulator value
foldV fn accum vs = U.modify (\x -> mapM_ (liftV fn x) vs) accum where
liftV f acc = fV where
fV v = go 0 where
n = min (U.length v) (UM.length acc)
go i | i < n = step >> go (i + 1)
| otherwise = return ()
where
step = {-# SCC "fV_step" #-} do
a <- {-# SCC "fV_read" #-} UM.unsafeRead acc i
b <- {-# SCC "fV_index" #-} U.unsafeIndexM v i
{-# SCC "fV_write" #-} UM.unsafeWrite acc i $! {-# SCC "fV_apply" #-} f a b
kahan :: [Vector Double] -> Vector Double
kahan [] = U.singleton 0.0
kahan (v:vs) = fst . U.unzip $ foldV kahanStep acc vs where
acc = U.map (\z -> (z, 0.0)) v
kahanStep :: (Double, Double) -> Double -> (Double, Double)
kahanStep (s, c) x = (s', c') where
!y = x - c
!s' = s + y
!c' = (s' - s) - y
{-# NOINLINE kahanStep #-}
zero :: U.Vector Double
zero = U.replicate 100 0.0
myLoop n = kahan $ map mkVect [1..n]
main = print $ myLoop 100000
Run Code Online (Sandbox Code Playgroud)
使用llvm后端使用ghc-7.0.3进行编译:
ghc -o Test_hs --make -fforce-recomp -O3 -fllvm -optlo-O3 -msse2 -main-is Test.main Test.hs
time ./Test_hs
real 0m1.948s
user 0m1.936s
sys 0m0.008s
Run Code Online (Sandbox Code Playgroud)
分析信息:
16,710,594,992 bytes allocated in the heap
33,047,064 bytes copied during GC
35,464 bytes maximum residency (1 sample(s))
23,888 bytes maximum slop
1 MB total memory in use (0 MB lost due to fragmentation)
Generation 0: 31907 collections, 0 parallel, 0.28s, 0.27s elapsed
Generation 1: 1 collections, 0 parallel, 0.00s, 0.00s elapsed
INIT time 0.00s ( 0.00s elapsed)
MUT time 24.73s ( 24.74s elapsed)
GC time 0.28s ( 0.27s elapsed)
RP time 0.00s ( 0.00s elapsed)
PROF time 0.00s ( 0.00s elapsed)
EXIT time 0.00s ( 0.00s elapsed)
Total time 25.01s ( 25.02s elapsed)
%GC time 1.1% (1.1% elapsed)
Alloc rate 675,607,179 bytes per MUT second
Productivity 98.9% of total user, 98.9% of total elapsed
Thu Feb 23 02:42 2012 Time and Allocation Profiling Report (Final)
Test_hs +RTS -s -p -RTS
total time = 24.60 secs (1230 ticks @ 20 ms)
total alloc = 8,608,188,392 bytes (excludes profiling overheads)
COST CENTRE MODULE %time %alloc
fV_write Test 31.1 26.0
fV_read Test 27.2 23.2
mkVect Test 12.3 27.2
fV_step Test 11.7 0.0
foldV Test 5.9 5.7
fV_index Test 5.2 9.3
kahanStep Test 3.3 6.5
prng Test 2.2 1.8
individual inherited
COST CENTRE MODULE no. entries %time %alloc %time %alloc
MAIN MAIN 1 0 0.0 0.0 100.0 100.0
CAF:main1 Test 339 1 0.0 0.0 0.0 0.0
main Test 346 1 0.0 0.0 0.0 0.0
CAF:main2 Test 338 1 0.0 0.0 100.0 100.0
main Test 347 0 0.0 0.0 100.0 100.0
myLoop Test 348 1 0.2 0.2 100.0 100.0
mkVect Test 350 400000 12.3 27.2 14.5 29.0
prng Test 351 9900000 2.2 1.8 2.2 1.8
kahan Test 349 102 0.0 0.0 85.4 70.7
foldV Test 359 1 5.9 5.7 85.4 70.7
fV_step Test 360 9999900 11.7 0.0 79.5 65.1
fV_write Test 367 19999800 31.1 26.0 35.4 32.5
fV_apply Test 368 9999900 1.0 0.0 4.3 6.5
kahanStep Test 369 9999900 3.3 6.5 3.3 6.5
fV_index Test 366 9999900 5.2 9.3 5.2 9.3
fV_read Test 361 9999900 27.2 23.2 27.2 23.2
CAF:lvl19_r3ei Test 337 1 0.0 0.0 0.0 0.0
kahan Test 358 0 0.0 0.0 0.0 0.0
CAF:poly_$dPrimMonad3_r3eg Test 336 1 0.0 0.0 0.0 0.0
kahan Test 357 0 0.0 0.0 0.0 0.0
CAF:$dMVector2_r3ee Test 335 1 0.0 0.0 0.0 0.0
CAF:$dVector1_r3ec Test 334 1 0.0 0.0 0.0 0.0
CAF:poly_$dMonad_r3ea Test 333 1 0.0 0.0 0.0 0.0
CAF:$dMVector1_r3e2 Test 330 1 0.0 0.0 0.0 0.0
CAF:poly_$dPrimMonad2_r3e0 Test 328 1 0.0 0.0 0.0 0.0
foldV Test 365 0 0.0 0.0 0.0 0.0
CAF:lvl11_r3dM Test 322 1 0.0 0.0 0.0 0.0
kahan Test 354 0 0.0 0.0 0.0 0.0
CAF:lvl10_r3dK Test 321 1 0.0 0.0 0.0 0.0
kahan Test 355 0 0.0 0.0 0.0 0.0
CAF:$dMVector_r3dI Test 320 1 0.0 0.0 0.0 0.0
kahan Test 356 0 0.0 0.0 0.0 0.0
CAF GHC.Float 297 1 0.0 0.0 0.0 0.0
CAF GHC.IO.Handle.FD 256 2 0.0 0.0 0.0 0.0
CAF GHC.IO.Encoding.Iconv 214 2 0.0 0.0 0.0 0.0
CAF GHC.Conc.Signal 211 1 0.0 0.0 0.0 0.0
CAF Data.Vector.Generic 182 1 0.0 0.0 0.0 0.0
CAF Data.Vector.Unboxed 174 2 0.0 0.0 0.0 0.0
Run Code Online (Sandbox Code Playgroud)
Dan*_*her 15
您的C版本不等同于您的Haskell实现.在C中,您自己已经内联了重要的Kahan求和步骤,在Haskell中,您创建了一个多态高阶函数,它可以执行更多操作并将转换步骤作为参数.移动kahanStep
到C中的单独函数不是重点,它仍将由编译器内联.即使你将它放入自己的源文件中,单独编译并链接而没有链接时优化,你只能解决部分差异.
我做了一个更接近Haskell版本的C版本,
kahan.h:
typedef struct DPair_st {
double fst, snd;
} DPair;
DPair kahanStep(DPair pr, double x);
Run Code Online (Sandbox Code Playgroud)
kahanStep.c:
#include "kahan.h"
DPair kahanStep (DPair pr, double x) {
double y, t;
y = x - pr.snd;
t = pr.fst + y;
pr.snd = (t - pr.fst) - y;
pr.fst = t;
return pr;
}
Run Code Online (Sandbox Code Playgroud)
main.c中:
#include <stdint.h>
#include <stdio.h>
#include "kahan.h"
#define VDIM 100
#define VNUM 100000
uint64_t prng (uint64_t w) {
w ^= w << 13;
w ^= w >> 7;
w ^= w << 17;
return w;
};
void kahan(double s[], double c[], DPair (*fun)(DPair,double)) {
for (int i = 1; i <= VNUM; i++) {
uint64_t w = i;
for (int j = 0; j < VDIM; j++) {
DPair pr;
pr.fst = s[j];
pr.snd = c[j];
pr = fun(pr,w);
s[j] = pr.fst;
c[j] = pr.snd;
w = prng(w);
}
}
};
int main (int argc, char* argv[]) {
double acc[VDIM], err[VDIM];
for (int i = 0; i < VDIM; i++) {
acc[i] = err[i] = 0.0;
};
kahan(acc, err,kahanStep);
printf("[ ");
for (int i = 0; i < VDIM; i++) {
printf("%g ", acc[i]);
};
printf("]\n");
};
Run Code Online (Sandbox Code Playgroud)
单独编译和链接,比这里的第一个C版本慢了约25%(0.1秒对0.079秒).
现在你在C中有一个更高阶的函数,比原来慢得多,但仍然比Haskell代码快得多.一个重要的区别是C函数采用一对未装箱的double
s和一个未装箱的double
参数,而Haskell kahanStep
采用盒装盒装Double
和一盒装,Double
并返回一盒盒装盒子Double
,需要在foldV
循环中进行昂贵的装箱和拆箱.这可以通过更多内联来解决.使用ghc-7.0.4 明确地内联foldV
,kahanStep
并将step
时间从0.90s降低到0.74s(它对ghc-7.4.1的输出影响较小,从0.99s下降到0.90s).
但是,拳击和拆箱是差异的一小部分.foldV
除了C之外kahan
,还需要一个用于修改累加器的向量列表.C代码中完全没有该向量列表,这会产生很大的不同.所有这些100000个向量必须被分配,填充并放入一个列表中(由于懒惰,并非所有这些都同时存在,所以没有空间问题,但它们以及列表单元格必须分配并且垃圾收集,这需要相当长的时间).在正确的循环中,不是Word#
传入寄存器,而是从向量中读取预先计算的值.
如果您使用更直接的C转换为Haskell,
{-# LANGUAGE CPP, BangPatterns #-}
module Main (main) where
#define VDIM 100
#define VNUM 100000
import Data.Array.Base
import Data.Array.ST
import Data.Array.Unboxed
import Control.Monad.ST
import GHC.Word
import Control.Monad
import Data.Bits
prng :: Word -> Word
prng w = w'
where
!w1 = w `xor` (w `shiftL` 13)
!w2 = w1 `xor` (w1 `shiftR` 7)
!w' = w2 `xor` (w2 `shiftL` 17)
type Vec s = STUArray s Int Double
kahan :: Vec s -> Vec s -> ST s ()
kahan s c = do
let inner w j
| j < VDIM = do
!cj <- unsafeRead c j
!sj <- unsafeRead s j
let !y = fromIntegral w - cj
!t = sj + y
!w' = prng w
unsafeWrite c j ((t-sj)-y)
unsafeWrite s j t
inner w' (j+1)
| otherwise = return ()
forM_ [1 .. VNUM] $ \i -> inner (fromIntegral i) 0
calc :: ST s (Vec s)
calc = do
s <- newArray (0,VDIM-1) 0
c <- newArray (0,VDIM-1) 0
kahan s c
return s
main :: IO ()
main = print . elems $ runSTUArray calc
Run Code Online (Sandbox Code Playgroud)
它快得多.不可否认,它仍然比C慢三倍,但原来这个速度慢了13倍(而且我没有安装llvm,所以我使用vanilla gcc和GHC的原生支持,使用llvm可能会给出稍微不同的结果).
我不认为索引真的是罪魁祸首.向量包很大程度上依赖于编译器魔法,但编译分析支持会严重干扰它.对于类似vector
或bytestring
使用自己的融合框架进行优化的软件包,分析干扰可能相当灾难性,并且分析结果完全无用.我倾向于相信我们在这里有这样的情况.
在核心,所有的读取和写入转化为primops readDoubleArray#
,indexDoubleArray#
并且writeDoubleArray#
,这是快.可能比C阵列访问慢一点,但不是很多.所以我相信这不是问题,也不是造成重大差异的原因.但是你已经{-# SCC #-}
对它们进行了注释,因此禁用任何涉及重新排列任何这些术语的优化.每次输入其中一个点时,都必须进行记录.我不是分析器和优化器知道到底发生了什么不够熟悉,但作为一个数据点,与{-# INLINE #-}
上编译指示foldV
,step
并kahanStep
与这些SCC的运行分析了3.17s,并与鳞癌fV_step
,fV_read
,fV_index
,fV_write
和fV_apply
删除(没有其他改变)一个分析运行只花了2.03s(报告的两次+RTS -P
,所以减去了分析开销).这种差异表明SCC对廉价函数和过细粒度的SCC可以大大扭曲分析结果.现在如果我们也开始使用{-# INLINE #-}
pragma mkVect
,kahan
并且prng
我们留下了一个完全没有信息的配置文件,但运行只需要1.23秒.(但是,这些最后的内联对非分析运行没有影响,如果没有分析,它们会自动内联.)
因此,不要将分析结果视为无可置疑的事实.您的代码(直接或间接通过所使用的库)依赖于优化越多,它就越容易受到由禁用的优化引起的误导性分析结果的影响.这也适用于堆分析以减少空间泄漏,但程度要小得多.
如果您有可疑的性能分析结果,请检查删除某些SCC时会发生什么.如果这导致运行时间大幅下降,则SCC不是您的主要问题(在修复其他问题后可能会再次成为问题).
看看为你的程序生成的Core,跳出来的是kahanStep
- 顺便说一句,{-# NOINLINE #-}
从中移除pragma,它会适得其反 - Double
在循环中生成一盒盒装s,立即解构并且组件未装箱.这种不必要的值的中间装箱是昂贵的并且大大减慢了计算速度.
由于这对传来了Haskell的咖啡厅再次今天的人得到了与GHC-7.4.1上面的代码可怕的性能,tibbe自作主张以调查GHC生产的核心,发现GHC产生次优代码从转换Word
到Double
.fromIntegral
仅使用(包装的)基元替换自定义转换的转换(并删除那些没有区别的爆炸模式,GHC的严格性分析器足以看透算法,我应该学会更多地信任它; ),我们获得的版本与gcc -O3
原始C的输出相同:
{-# LANGUAGE CPP #-}
module Main (main) where
#define VDIM 100
#define VNUM 100000
import Data.Array.Base
import Data.Array.ST
import Data.Array.Unboxed
import Control.Monad.ST
import GHC.Word
import Control.Monad
import Data.Bits
import GHC.Float (int2Double)
prng :: Word -> Word
prng w = w'
where
w1 = w `xor` (w `shiftL` 13)
w2 = w1 `xor` (w1 `shiftR` 7)
w' = w2 `xor` (w2 `shiftL` 17)
type Vec s = STUArray s Int Double
kahan :: Vec s -> Vec s -> ST s ()
kahan s c = do
let inner w j
| j < VDIM = do
cj <- unsafeRead c j
sj <- unsafeRead s j
let y = word2Double w - cj
t = sj + y
w' = prng w
unsafeWrite c j ((t-sj)-y)
unsafeWrite s j t
inner w' (j+1)
| otherwise = return ()
forM_ [1 .. VNUM] $ \i -> inner (fromIntegral i) 0
calc :: ST s (Vec s)
calc = do
s <- newArray (0,VDIM-1) 0
c <- newArray (0,VDIM-1) 0
kahan s c
return s
correction :: Double
correction = 2 * int2Double minBound
word2Double :: Word -> Double
word2Double w = case fromIntegral w of
i | i < 0 -> int2Double i - correction
| otherwise -> int2Double i
main :: IO ()
main = print . elems $ runSTUArray calc
Run Code Online (Sandbox Code Playgroud)