Data.Vector.Unboxed.Mutable.MVector的索引真的很慢吗?

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unsafeReadunsafeWrite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)

成本中心的内存驻留 <code>kahanStep</code>在C版本中没有内联.它几乎没有削弱性能.我希望现在我们都能承认阿姆达尔的法律并继续前进.尽可能低效<code>kahanStep</code>,<code>unsafeRead</code>并且<code>unsafeWrite</code>速度慢9-10倍.我希望有人可以对这一事实的可能原因有所了解.  </p>

<p>此外,我应该说,因为我正在与一个使用的图书馆进行交互<code>Data.Vector.Unboxed</code>,所以我在这一点上与它结婚,并且与它分开将是非常痛苦的:-)</p>

<p><strong>更新2:</strong>我想我在原始问题中不够清楚.我不是在寻找加速这个微基准测试的方法.我正在寻找计数器直观性能分析统计数据的解释,因此我可以决定是否提交错误报告<code>vector</code>.  </p></p>
    </div>
  </div>

<div class=

Dan*_*her 15

您的C版本等同于您的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doubles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vectorbytestring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,stepkahanStep与这些SCC的运行分析了3.17s,并与鳞癌fV_step,fV_read,fV_index,fV_writefV_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WordDouble.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)

  • 我现在在GHC HEAD中实现了word2Double#和word2Float#. (2认同)