C++ 提速的新发现

雷达

C++ 比 Octave 慢好多，怎么破？

# R( g! ^1 j8 |  X2 s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。
0 P! N# ~. ]; s5 h& Z
速度优化问题真的很有意思啊。
; y9 X  |8 Y- U  ~" U
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？
& O9 S9 `' }6 U; Q! b- ], g+ W
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？

: m+ a; g' E* b: uvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
2 q# V& {" L2 Y" `{
/ Y8 Q: R! d* j, b        comp temp, xtimesy;
        xtimesy.re = 0;
" G& u0 W1 x( v$ K" V4 p        xtimesy.im = 0;
/ ?5 G9 w/ A1 F5 u& N        int j0 = lenB - 1;
        int    i, j, i1, reali;
        if (lenA % 2 == 1)
                reali = lenA + 1;
        else
- d. Z: `9 G6 U, f, K* t" |$ T                reali = lenA;
        reali /= 2;

6 B! A% B2 U, Z, M        int nconv = reali + lenB;
2 v2 c( m! n: w        //#pragma omp parallel for
        for (i = reali; i < nconv; i++)
0 q5 V3 O, U3 K# I        {
                temp.re = 0;
                temp.im = 0;
                i1 = i;
                for (j = j0; j >= 0; j--)
                {
! t2 t6 }$ W9 B$ F4 i, o                        /* floating date operation */
; L: q5 y* W' K! M* h                }
/ f  t9 _2 k! k3 [0 i6 P        }
}
, C( x' v: t( |! Z- L$ \
! u, n. `3 L1 l5 V" A! Q) o' W, 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
4 O. p- N7 r' Z- w
0 ^* k9 i& g& L7 G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.
1 y' g, l; j; q
如果把红色部分内循环本身完全comment out， call xcorr 1000次，耗时 <1s.
5 l3 q( G+ M2 E$ ~

雷达

风雨无阻 发表于 2022-9-24 23:33
% M1 i( X, f- x: D0 S# mMaybe Debug mode?

不应该，看我上面的回复。

9 q7 W9 P* b, D2 G- w4 L$ y8 z我更怀疑是 VS 社区版的问题

数值分析

& t1 Y4 C* O& |1 s' H

雷达 发表于 2022-9-24 23:54
1 I, c- g' u4 x4 }: v/ @void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
) K2 N  F- B$ y  l3 U: D* A% b        comp temp, xtimesy;

7 @1 Z" W$ W2 D) ]
0 Y) v6 p  n! @. m1 E) p这个不是这么比的吧。。。
; s0 y( E: f: t& p
9 e7 v' L$ O* y4 v; e" n; c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）。
, e- n; o9 z+ \# h+ E9 s; U; w
% P; s7 h$ _: J4 K: e9 [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。。。
1 J! Y( Y% U' H6 a7 k
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）。

. E- C- b4 i- @$ f! \
: D( G7 H7 Z3 B8 y" V- U5 j有道理。
* O) f. T2 k5 G& m9 |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。
7 H0 n3 D2 ?0 `2 Q' i
3 p# c+ ~1 `& k, P" b) \& V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
' r$ V4 D0 q' Y5 `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
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
( ^/ L3 x4 g, L2 e7 {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）。

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

4 P' n. ]; A" [- v

沉宝 发表于 2022-9-25 01:48
) b* ?! Q  k; ]( Q' a0 K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 ...

3 }1 U' `+ U: l
是的，兄台说的对。
; y* P3 x& ?" o% O( ~" |
- e0 s$ b& P5 z' L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。
7 h+ ?$ @: Z  `( L% M
9 i/ k8 Y7 h+ P( p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。

' s' N8 t, b) Z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。
6 K) j1 C# t! H3 h& a
6 w+ z) ]* n  k" G! l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

3 O) a) f0 M" O4 @& i

沉宝 发表于 2022-9-25 01:27
9 W# l+ @! o) m/ ]  ?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 ...

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。
2 Z2 |; P- l, v
我已经完全懵了。

沉宝

雷达 发表于 2022-9-25 04:47
7 c, S) U8 z- u2 f4 Q) s, A" d- M1 |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

4 |0 k1 ?% I% U7 e' r+ F) F7 Z

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 ...

: ^3 _4 ]; T( |  G1 Z
) m$ S1 ~8 h( z: v  n+ @9 S
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
( T0 `( ^, H0 S2 O能不能把这个也贴上来，看看和上一个有什么不同？

) @) r6 m0 ^+ R' p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.
& R) @/ q. q* z/ c7 X- s. s8 C( a& W
1 b* Z- a: H" O8 G( v- a, t内循环试了4种方法，
1. 直接调用 vector inner_product 247s
: {) M4 C0 p( }1 a! H/ [" G2. vector 循环点乘累加 237s
& I+ c4 n; {; i: k0 p# E8 Z7 ]* L3. float * 循环点乘累加 204s
2 \- {5 H' y6 n' p4. 空循环 100000 次 202s

' F* R1 d9 [3 s9 I不做内循环 200s
% T# K7 q, I; c- \$ y' y
你昨天说的对，内循环本身占比是很小的，大头在其他处理。
4 ~+ u, `$ S4 h/ {( s另外可以看到， float * 循环点乘累加 并不差，比用vector 还更快。
5 R# R, O: P' K, v, j, X
- r* [7 s( I: y2 p$ F, |% [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）
5 ~: F  H! X7 }5 w! c
$ k' ]: u8 ?  q. V（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）
8 p; F$ E! W3 e8 a
* B0 q' h) |8 ~0 t! K$ O7 d* N# k

        std::vector < float > vec1(N);
% V$ u4 Y! S& n$ E2 o$ F, v" z        std::vector < float > vec2(N);
% F1 x8 _) ^, M4 B        float* b1 = new float[N];
! V0 F4 x  B2 ?+ V5 G1 t* y        float* b2 = new float[N];
9 y( S! u7 A8 f0 @3 i
8 A  U2 ?3 X7 G        for (int j = 0; j < 6000; j++)
        {
                std::generate(vec1.begin(), vec1.end(), []() {
- K' r3 u' w  n7 T                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
( T" {0 b5 w# m5 K; J                        });

                std::generate(vec2.begin(), vec2.end(), []() {
+ H# y/ n6 E2 L" p0 K  A. c                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
0 {- `% R9 k7 i. [) o  z                        });
, s* X. U5 h! _$ O: i
2 _2 C5 V& e8 s                for (size_t jj = 0; jj < vec1.size(); jj++)
1 H8 i0 e" P. y! T, P* k1 g( q                {
, K* V. }% c. Q5 ?% q; J9 V                        b1[jj] = vec1[jj];
% P- a4 Z3 G$ Y* p% P$ P9 T  q$ P3 Q                }
, \5 x; l/ b, s
0 H, {" }5 B4 O3 v4 b& F6 m7 L8 ~                for (size_t jj = 0; jj < vec2.size(); jj++)
0 T3 {: z. R% S                {
" Q0 X, o6 m- o0 D5 Y" S  }. Z9 }                        b2[jj] = vec2[jj];
1 W$ v) L7 h7 O- J# Y                }

                //Method - 1  N=100000 247s  
                //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
                                
# K6 T: c" z! K' q; h6 g! E                //Method - 2  N=100000  237s
9 X* J; g6 Z4 m2 g; D% @                /*
                for (int jj = 0; jj < N ; jj++)
. V+ m$ p8 z7 {$ x9 o9 N                {
                        fresult += vec1[jj] * vec2[jj];
# {" B/ O+ T) ?& ~$ E  l# f                }
# g, R, h' K- Q4 O- o; v; K                */
                                
                //Method - 3  N=100000 204s
                /*
% B1 s7 Y+ \, n. N$ L                for (int jj = 0; jj < N; jj++)
7 K2 N# d4 ~+ O7 S: J4 i1 x7 I                {
                        fresult += b1[jj] * b2[jj];
                }
, e0 ~1 L% B( `$ }                */
1 j% {' o  K7 z4 M
4 J8 h8 c1 ?) F2 j- R9 ]  t' \                //Method - 4   202s
# Q" _& l9 P! |# {' b0 F                /*
7 B2 u6 x2 H. y- s( Z& J$ K                for (int jj = 0; jj < N; jj++)
# a4 r/ W4 @: J! N0 N* i* j. B                {
4 k9 p+ b: L& g7 \: \$ v3 V/ B                        
                }
                */
                //comment out all methods, N=100000  202s               
9 \+ A& U; r' n/ R& x* a% V+ E        }

! e1 j8 c8 w9 S, h        delete []b1;
& V$ |4 u, H9 `: h        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？
$ ?( k7 Z% y3 Y8 B1 v
& j+ p( r  y& C3 [- f. Y- [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？
2 A* J: Q+ k% `- ^
9 j+ D5 h" o& g& q你第二个试验里面的j在循环里面又重新定义 ...

8 }# h3 ]$ e0 M: T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
/ \' ^' r: ~7 k$ p9 J* o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
0 |7 y1 ]4 q6 H. D: ^
不和它 ...

5 j$ K) J4 y) P2 X4 z$ z
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。
* I$ a. g9 Z5 g2 C6 |! b' W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
2 I" D, v& o7 [/ @3 N; nvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
; B6 L2 v- s' i- ?{
; r5 F5 j  E' L- H( x        comp temp, xtimesy;

$ g1 D/ F' ~" J1 K; G/ ?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。
8 M+ F! Z  d2 M# z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？
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。