C++ 提速的新发现

雷达

C++ 比 Octave 慢好多，怎么破？
% G4 V$ ]+ Z! B8 @
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。
* D7 M! m: k/ c$ e
$ U. E: v. P6 S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

拉下来？拉多少？
把代码贴上来看看？
+ r  G& ?1 B! x" q# f) U
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
6 {4 A3 a3 X) {# |7 p  P, U拉下来？拉多少？
; S! l' Z. Q& j( x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;
! y  T5 ~# U! L( n        int j0 = lenB - 1;
        int    i, j, i1, reali;
        if (lenA % 2 == 1)
1 C2 z4 e% m6 a; W8 W, N* W                reali = lenA + 1;
- \5 m$ ?$ W9 P* @& T4 j8 p        else
                reali = lenA;
        reali /= 2;
; D4 y- S- D0 s# s3 p# [( h
  ?4 x' F7 A2 H; W, C$ W        int nconv = reali + lenB;
        //#pragma omp parallel for
, L- |4 w% `1 p# f8 |) Y3 z        for (i = reali; i < nconv; i++)
2 H1 _: @8 K+ }, E6 G$ U& |1 P4 U        {
                temp.re = 0;
) e9 f7 d6 v. u4 e* O                temp.im = 0;
$ ]. R3 c$ T: H6 N2 u8 Y                i1 = i;
, z$ V; s8 I3 N+ ~* l2 Q8 L                for (j = j0; j >= 0; j--)
                {
1 v0 }& u1 t: ~! {                        /* floating date operation */
6 A% b$ y( P' n+ E                }
; v* |3 _- z$ X8 Q; b0 F        }
}
: @/ }/ [; P) L* I" L+ U3 @
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
0 V: ]/ ?4 f- Y& q& r$ p
红色部分是内循环，现在其内部操作都comment out 了, j0大概是 6000。
% g/ A; b8 H* p- ?( J现在call xcorr 100次，耗时78s.

; x  F' ^; d( h! 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
+ Z: I; }" g2 v% c) G) b! oMaybe Debug mode?

, \3 B- ^4 Y; h) c- H1 m. S5 z
不应该，看我上面的回复。
" Y, a, e1 N9 G6 O3 N  }7 t; a
我更怀疑是 VS 社区版的问题

数值分析

' o* r- s: }% |/ B0 K0 ^$ R) P

雷达 发表于 2022-9-24 23:54
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
, A' P& P2 k6 O1 w7 y4 B  b$ z+ q{
, |( {! d+ K! n- b        comp temp, xtimesy;

这个不是这么比的吧。。。

& I9 ^1 t/ C; L8 `) W. A' o3 C- Y  b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

数值分析 发表于 2022-9-25 00:20
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）。

% z4 r9 q! Z( |' ^" ]) M; R2 G
有道理。
5 D* q, j+ y1 q# D, B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。

, [: f% o8 h* w$ d2 |1 D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 ...

0 C) ~, J- g& x, |  j6 {; T- n/ P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
& o' \& N& x/ Z: N# F, NWhy 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
  A* W* ?- ?2 q1 `7 w这个不是这么比的吧。。。
6 ~3 _% E! P3 W; T$ P2 P
5 O# y+ H1 x, V' 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

3 p, x; S- a2 {; L$ d/ j9 W

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 ...

2 Y/ L: `/ J9 p! D! O1 f4 {' o
- A( V. N/ O6 m- F1 N! g是的，兄台说的对。

; W* a0 _% U! v5 T2 t  C: E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。
& ]$ n5 h) i2 Q( f
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。

% s& e! Z. E0 P6 j3 S# B2 Z! \, _- w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

1 N; B# R5 Z; b1 F& Y9 x, T

沉宝 发表于 2022-9-25 01:27
- C- ]* s& {8 c% y* w, Q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 ...

( x/ c4 t% [% X; H5 o  k. m! }7 }
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。
$ b3 v1 @. n5 _% E) [5 P
我已经完全懵了。

沉宝

雷达 发表于 2022-9-25 04:47
2 R- {$ g0 J' J1 u) 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 ...

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

雷达 发表于 2022-9-25 04:47
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 ...

: J: D7 [/ Y- d2 h- ~! T) g: h

' {) Y1 J2 C) C- \6 `, O' s3 j
能不能把这个也贴上来，看看和上一个有什么不同？

雷达

) H9 n: h8 W; s

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？

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.
6 ?# O# V; q% E5 L6 D
内循环试了4种方法，
/ T. B! u: h: g* r/ ^1. 直接调用 vector inner_product 247s
' @4 k) ^8 m" L/ }2. vector 循环点乘累加 237s
' h  k% u8 v% k( r7 T' ^$ S0 C. W3. float * 循环点乘累加 204s
4. 空循环 100000 次 202s

3 H* ?' p6 o* ~" q不做内循环 200s
' N" R  l# G0 R- `" x9 j4 s
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。
5 t% L, _! @2 q# h* j7 s& r# I% w
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）
- ~( j' ~6 W7 }
" C! E# m* S) e: A. A（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）
$ f" r9 c! e2 c5 ?4 u
# D4 o7 ~0 p$ {

        std::vector < float > vec1(N);
        std::vector < float > vec2(N);
4 n$ t$ s" `  `        float* b1 = new float[N];
9 t4 L6 ~6 Z1 N1 K* c! V* l        float* b2 = new float[N];
$ V( T* T7 B8 M7 [" C: k
        for (int j = 0; j < 6000; j++)
        {
9 V+ t' y. o2 C. ^5 W2 d                std::generate(vec1.begin(), vec1.end(), []() {
5 g. y4 S! k: h  s: N                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
                        });
1 [+ b1 H  d) p3 N- r- ]) r$ [
                std::generate(vec2.begin(), vec2.end(), []() {
. J3 @/ N$ M' R9 U( W  \                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
                        });

                for (size_t jj = 0; jj < vec1.size(); jj++)
9 _- e7 H( u. @+ @  S4 C0 g                {
% R% E9 R' ?1 I) Y3 D6 Y# ^# K                        b1[jj] = vec1[jj];
7 i8 v. f$ x; e5 X) ]; F                }

" a! L& b. A# i. D                for (size_t jj = 0; jj < vec2.size(); jj++)
                {
, ^  ]6 F; }: x" q- m" V. D4 ?                        b2[jj] = vec2[jj];
) {  m; e! A  B* k                }
* A, }- t  L' W2 z
4 P* i, u9 O2 @' y% {! X( N! C/ Z                //Method - 1  N=100000 247s  
7 d& R8 L1 z  S) j7 {" ]                //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
                                
                //Method - 2  N=100000  237s
                /*
                for (int jj = 0; jj < N ; jj++)
$ V5 ?/ a% \" U7 Y8 d2 T                {
                        fresult += vec1[jj] * vec2[jj];
                }
; O, w9 n7 Y8 R/ C4 r, P                */
                                
5 N) g9 N) h0 J                //Method - 3  N=100000 204s
' `% W9 k/ N3 j. K% t/ ?9 ^( ^/ {# [                /*
" j" ]9 d" {* r# Q0 z                for (int jj = 0; jj < N; jj++)
' C# g! r4 j% T  ^& r                {
                        fresult += b1[jj] * b2[jj];
; F! {; {$ Q& c% k* f8 ]! P                }
4 R& o  J& Y1 n4 H% b& b                */
2 z6 H: [( j! q" y3 I) g
' D: [% ^9 \. k& k* w1 B                //Method - 4   202s
                /*
' w% @. [+ m2 {                for (int jj = 0; jj < N; jj++)
                {
' c) X3 V4 _$ h9 w% D' _  J1 x* O                        
# V% D6 S- n7 L" J+ Z1 c# l2 |. S" K. E                }
                */
                //comment out all methods, N=100000  202s               
% H$ z9 ]/ K+ T* x        }

        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？

+ X" f2 G5 \) J' u- E你第二个试验里面的j在循环里面又重新定义 ...

5 ^! ?: \, {9 B7 p. `' U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

; m. E& v1 R7 h. M8 |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
. g9 G* N  r, D! U* f% V3 k
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。
/ j0 D* b6 q1 n, h! G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
) }# ^  U7 b  o; Vvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
: C0 b' N( E8 C        comp temp, xtimesy;

; z  n7 Z; l( x* r( x. k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？
& }7 u% e3 r" H* s) q% r/ [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。