C++ 提速的新发现

雷达

C++ 比 Octave 慢好多，怎么破？

* v+ n" F( \. d4 R$ W- u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。
; s# U+ i3 Y/ w" O
8 M  G7 w3 s2 g/ Y速度优化问题真的很有意思啊。

/ b+ q' u9 M; A$ U& K+ s, K5 Q欢迎大家继续讨论

数值分析

拉下来？拉多少？
. R. v; p8 z1 q0 g, j: X' w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

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

Maybe Debug mode?

雷达

数值分析 发表于 2022-9-24 23:04
拉下来？拉多少？
把代码贴上来看看？

* X' @$ T" t7 ~- v6 U
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
, ^! s% D$ l9 r' m2 y4 X5 a% g{
        comp temp, xtimesy;
) V8 }/ ]8 I% W        xtimesy.re = 0;
        xtimesy.im = 0;
        int j0 = lenB - 1;
( r/ n/ b2 h) F3 n        int    i, j, i1, reali;
        if (lenA % 2 == 1)
                reali = lenA + 1;
, `% L, z0 S: B: a" }8 |' X        else
                reali = lenA;
5 T; P5 r# ]( P6 g; }3 M" L( S        reali /= 2;

& V4 b3 U4 c% a, M! j        int nconv = reali + lenB;
9 B* o( ]4 {! \8 E- e' U3 M        //#pragma omp parallel for
) E  H* J# `% V) g        for (i = reali; i < nconv; i++)
* q) E, d3 n; \' x6 g        {
) \" O+ ?; U1 X) K% h                temp.re = 0;
7 v9 E$ l% P8 e* @- O$ g* D4 m  G                temp.im = 0;
                i1 = i;
                for (j = j0; j >= 0; j--)
                {
                        /* floating date operation */
. ~8 f# y2 X( P. V                }
8 L+ e( \( ^; Z        }
}
. q! K6 B) p1 p; f" o; {/ J) B
% X3 q" Z" l% ^3 {. Axcorr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
3 J  `* x  Q! O. e( w9 U9 C
! n: i2 G1 j4 u* \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.
0 H. [" ?; T6 G# S8 A1 W
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

风雨无阻 发表于 2022-9-24 23:33
Maybe Debug mode?

6 k! r! d/ j$ e( J8 e
不应该，看我上面的回复。
( u' k; ~# K' r' \
我更怀疑是 VS 社区版的问题

数值分析

雷达 发表于 2022-9-24 23:54
5 k" N6 S% C% b) w: n9 U! xvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
* e1 A5 _+ X1 G: g{
0 ]' z( V3 o# @6 p/ Y; o- C( X& L        comp temp, xtimesy;

; }* n% I3 _8 V( G4 Q3 v
% d0 e: v! h. m$ T) M# l这个不是这么比的吧。。。
( p; V/ w+ Y5 h2 b7 c
# ~4 N: i, A) M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）。
% Q  @) R5 N+ J# a& i8 l4 h2 y$ A
( R4 [" W  M. p7 k+ r, [3 I3 z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

& z  y* Z& D- f

数值分析 发表于 2022-9-25 00:20
这个不是这么比的吧。。。
+ V3 O/ i6 Z9 ^. C* T! z' Z0 j
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）。

( u6 r* z8 N) Q6 g. ^" u
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。

# ?( {3 M+ r! K: o; `1 h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

雷达 发表于 2022-9-25 00:46
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，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
  a& d) j, C# H( \Why is the loop instruction slow? Couldn't Intel have implemented it efficiently?

沉宝

数值分析 发表于 2022-9-25 00:20
这个不是这么比的吧。。。
. o( e6 E6 H4 H$ `$ `4 y. }: X# X
; P9 k- c6 M; c, Z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

3 O6 o- @/ R+ h; y
: h  t( G: P- w; w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

沉宝 发表于 2022-9-25 01:48
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。
5 E, v* P4 E- g% _& X% F1 C. I
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。
8 J3 e* E4 `' j
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。

# x# l% |2 u/ J* F; O8 M, q6 @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。
, X; H* ?8 |+ `# H8 D
3 o! O! i' n; g' ]# V6 @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

沉宝 发表于 2022-9-25 01:27
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 ...

8 `$ d; `5 v0 @  b& v
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。
9 k! b1 J4 v; S4 M3 d6 F0 \
$ v- m7 B4 |% ]: Q8 {6 C' F1 n我已经完全懵了。

沉宝

雷达 发表于 2022-9-25 04:47
. k  z$ Q# D* g( V% J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。

: _; v* Y, o& A+ t( d+ b0 Q# H% s7 {, P你还是用profile工具看看吧。现在大家都主观瞎猜。

数值分析

; l1 }) r7 k9 A) ^+ x

雷达 发表于 2022-9-25 04:47
$ J+ y6 Q0 Z' d" i) ], j6 S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 ...

: L" n( J" E. |8 O! Y
9 U) S2 ^' M; _: l能不能把这个也贴上来，看看和上一个有什么不同？

雷达

数值分析 发表于 2022-9-25 14:58
能不能把这个也贴上来，看看和上一个有什么不同？

1 z7 I, P. e8 C# p& b理了理思路，重新做了一个测试。
$ o* e/ j8 M7 K5 I做了两个 vector 和 两个 float *, 都长 100000
+ m+ l( j  g- n$ ~3 H- w! G+ h) D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，
/ M2 C. \5 t7 Q# W! x! g. k1. 直接调用 vector inner_product 247s
" d% r! f* w2 q( Y* b' R2. vector 循环点乘累加 237s
3. float * 循环点乘累加 204s
9 e3 Y1 A. C7 l. A  k) ^8 Q7 @4. 空循环 100000 次 202s

$ @$ `+ t  v; L1 P% C) L! [7 M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。
, h; L5 K6 y- ?1 [$ y% s. C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）
7 L4 G  A. Z" C+ m" z
（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);
        std::vector < float > vec2(N);
        float* b1 = new float[N];
9 ~  ~3 h" s* K8 C) }: Z% l7 S        float* b2 = new float[N];

( |- Y: R. |# Q, q        for (int j = 0; j < 6000; j++)
3 g8 N: M# K- }/ w+ C/ B        {
                std::generate(vec1.begin(), vec1.end(), []() {
                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
                        });

, V! J9 R8 p0 ^* S- f- h                std::generate(vec2.begin(), vec2.end(), []() {
                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
, f5 H' u3 @/ I1 B" H! f* N# t                        });
" |$ X+ S; O3 q
                for (size_t jj = 0; jj < vec1.size(); jj++)
7 R: S3 E+ y' b0 x" ?$ p2 q* O3 n                {
& q3 N4 s: i. v' j4 h                        b1[jj] = vec1[jj];
  H* Q2 x2 Y7 Q5 g3 B) c$ n                }

3 n5 X8 a6 L5 d$ H- x                for (size_t jj = 0; jj < vec2.size(); jj++)
                {
3 c0 x6 C2 T# s. T' t+ |( m  S# r                        b2[jj] = vec2[jj];
0 G: [) X1 L- ~9 O: v                }

                //Method - 1  N=100000 247s  
                //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
" |( h3 g* \1 g# [( L                                
: O9 Q& C, K- i' p% |                //Method - 2  N=100000  237s
! V9 ]! J: {- I+ `# g7 R  F1 a# P9 X# \. _                /*
% Y/ _% v# l2 o3 B  [4 Y7 K+ e! E                for (int jj = 0; jj < N ; jj++)
& N3 `$ m; E& g4 c! R                {
6 m7 ~# {# F  @, X% O" P) S% S                        fresult += vec1[jj] * vec2[jj];
                }
                */
                                
                //Method - 3  N=100000 204s
5 [8 [9 \8 ^# H: @                /*
  }1 O; f2 C( |" i. M3 a                for (int jj = 0; jj < N; jj++)
                {
! E& ?7 W" J7 q4 W; I                        fresult += b1[jj] * b2[jj];
                }
3 U, Q, n( }9 E* [4 u8 b+ [( b+ E& p                */
8 ?5 e2 }/ |& I$ `* ?1 ~" C% |
                //Method - 4   202s
                /*
                for (int jj = 0; jj < N; jj++)
, k  x+ h# ?) J' ~( c! K3 S                {
" q! _$ V. E7 ~1 ]                        
                }
                */
                //comment out all methods, N=100000  202s               
        }
  Z7 _: t& U( |, _1 L
        delete []b1;
        delete []b2;

机器猫

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

机器猫 发表于 2022-9-27 00:15
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？
1 ~  V3 X* A3 p+ b2 p
1 o+ v- d4 E. S0 }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

雷达 发表于 2022-9-27 01:16
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
7 O9 P" G4 L3 k/ T9 d- i
不和它 ...

! C4 P/ {* Q5 x6 U( f% p( j# t
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。
1 r9 \* x! m4 A# u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

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

雷达 发表于 2022-9-24 23:54
! E& j4 I3 t' y" {, a$ V5 S- Jvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
" f, a6 R: t: X{
        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？
# f6 r/ P# N) n2 Q0 k0 ^/ sVS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。