C++ 提速的新发现

雷达

C++ 比 Octave 慢好多，怎么破？

6 Z  C7 z+ s5 K5 U( |5 r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。
& x0 _3 U3 W8 O) J+ g/ F7 F
速度优化问题真的很有意思啊。
0 J! B. j$ V+ B* q6 \8 }9 t; Z! [
8 Y" h  y9 B; w" K; \) H1 u% f* 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？
. v  l1 R( m- ~
( ]3 }4 F0 ]5 y- d$ @5 ^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？
$ W6 }5 c" }! J4 N1 W5 Q把代码贴上来看看？

% z3 o# n5 L- c! a+ v& S
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
) a2 d6 N( l4 M2 ^) |{
7 T1 l# G) g" N% {        comp temp, xtimesy;
        xtimesy.re = 0;
$ {9 h* }' t' m  X; V# c" Z        xtimesy.im = 0;
        int j0 = lenB - 1;
/ j* U. ~. z2 f& t: z5 S6 }/ }        int    i, j, i1, reali;
  A  U  c7 K2 C7 I5 r" X; ^        if (lenA % 2 == 1)
0 B: q  ?8 `) \% F+ i+ Q# X                reali = lenA + 1;
        else
- z) N& o! |1 m2 S" I                reali = lenA;
        reali /= 2;

        int nconv = reali + lenB;
% C6 C$ s! I7 G. `        //#pragma omp parallel for
# F% i- Y) r; `+ d        for (i = reali; i < nconv; i++)
        {
                temp.re = 0;
                temp.im = 0;
                i1 = i;
                for (j = j0; j >= 0; j--)
                {
/ ]3 m3 K+ {3 G9 e, \6 ~- S' a                        /* floating date operation */
6 o2 I/ e$ x: |                }
        }
, |: n  D" q- h}

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
- ~: d1 p9 }( y) D: j5 P1 T
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.

8 a( L5 z8 n+ e7 n$ |3 Y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?

: @0 |7 [. U/ y# e5 S2 x不应该，看我上面的回复。
1 w  O+ ^+ ^/ f4 k( h: J# s2 V9 K
我更怀疑是 VS 社区版的问题

数值分析

! ]) ^0 ~8 @( J  w! `

雷达 发表于 2022-9-24 23:54
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
        comp temp, xtimesy;

3 c; Q( r8 s8 M3 H. ?0 x% g7 l0 y  K
这个不是这么比的吧。。。

. ~% z; f- P5 X- r/ ]% ]# ]: d* 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）。

% x" {) w1 N* [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

3 n4 X5 `* z2 O; u/ N8 q8 S% A

数值分析 发表于 2022-9-25 00:20
; J2 I5 K( I" s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）。

9 |8 Y  ^6 v$ ?" V1 C% W
有道理。
0 B1 \' o! m# d# Y' 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" D1 ]0 K  w1 x& {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
, s& y; {6 @- Z; j; ^* m1 M. 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，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
$ Q/ g8 G$ G& O2 PWhy 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
' @3 p' a8 d0 v, [  s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

6 S! m1 L' W2 p4 r& `: i& v, n
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

6 G5 U9 C( e) r' u  z$ b+ ~; V' M, a

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。

1 y0 x; a( w$ }& }- 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。
* b: F) V4 s# R  d0 Y0 J, H, T+ J
) f% L- e7 G5 P1 v, H2 d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。

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
! q3 v3 T4 r* H+ @$ S+ d6 n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 ...

$ I! Z1 M0 Q- w3 d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。
6 c0 q5 L. U  U. c( O) A
我已经完全懵了。

沉宝

雷达 发表于 2022-9-25 04:47
$ ~- H) }4 |9 y: e! ]" K, _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 ...

& T( v1 S, ~+ P( G% Q; x  q# i1 T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
8 K& Q3 B# a! u- o4 ^3 z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 ...

( t* V8 Z, h" z2 a5 }

9 E1 H; d8 O% ^! x
1 Z& X$ k* I5 ~& r, Y( w0 O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？

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
! a: g& u2 N' \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.

4 L2 S5 ^$ i5 y9 H" n/ d1 m  H内循环试了4种方法，
1. 直接调用 vector inner_product 247s
; I2 I! x" |9 I* r' Z3 q; Y/ R2. vector 循环点乘累加 237s
3. float * 循环点乘累加 204s
4. 空循环 100000 次 202s

3 L, u" r( g! d+ E/ f- j# ?1 l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。
& _' Q* e# n, k: r& ^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）
+ x  g0 I& v0 t1 o7 T. K& b+ x* A+ E- x
% f) h5 K' `# ~# d（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);
3 u. P5 e3 M2 O- i& G" ^& P+ _' A: _        float* b1 = new float[N];
        float* b2 = new float[N];

        for (int j = 0; j < 6000; j++)
* q' U; w6 S# x1 _8 b        {
) m0 C/ s( m% n0 P                std::generate(vec1.begin(), vec1.end(), []() {
3 {. t' W) Y8 i8 Z3 F                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
                        });

                std::generate(vec2.begin(), vec2.end(), []() {
                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
                        });
& A: d) l1 m  Z  T  F" `  [3 J
2 Z# R, W  T% U2 g3 M                for (size_t jj = 0; jj < vec1.size(); jj++)
5 b4 R$ [6 X/ G! _- ^                {
4 W( Q" M0 Q$ X4 i+ s, }) F( l- \# I; N                        b1[jj] = vec1[jj];
( P. I# @7 h1 V: W0 h, Q: T0 H4 T, S                }
  j* g3 S: \$ r" ^. S2 ^
+ q7 c! \' A1 }: A                for (size_t jj = 0; jj < vec2.size(); jj++)
                {
: L& l& n) i& J                        b2[jj] = vec2[jj];
) K7 ~9 S$ V. u8 U$ W( i$ h! m, }/ |                }
$ i% R- o9 ]2 P5 M5 i' s* ^
: k: r: b! @6 k                //Method - 1  N=100000 247s  
                //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
                                
                //Method - 2  N=100000  237s
+ }& t: d4 H% I0 Z+ P/ ]" n5 r* q                /*
                for (int jj = 0; jj < N ; jj++)
                {
9 p! F; V- X1 E: T                        fresult += vec1[jj] * vec2[jj];
                }
' l- c  H2 @: }1 h; d* }) l                */
; D1 {, {, o0 ~* h4 D# A# K                                
                //Method - 3  N=100000 204s
0 M0 s, a5 s+ p- }3 ~" B                /*
3 \+ E' ]1 O# z. T/ U& ^                for (int jj = 0; jj < N; jj++)
                {
                        fresult += b1[jj] * b2[jj];
7 P4 S& J# o7 v: |5 F                }
6 c5 }% X' Z2 t4 k2 F9 n                */

+ V8 U& t; u0 B  S* q: d4 P# ^                //Method - 4   202s
                /*
                for (int jj = 0; jj < N; jj++)
                {
9 ?1 K* N: u- Q2 V* L1 j                        
                }
                */
" A6 m$ k. b- L+ X                //comment out all methods, N=100000  202s               
        }

        delete []b1;
2 Z. j$ o7 m, b5 g+ c" F+ O* S$ S        delete []b2;

5 ~/ d$ S+ M, M& N7 V- ?

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？
. h* W5 L0 P; N! s8 P

雷达

机器猫 发表于 2022-9-27 00:15
1 u. y; u/ {6 D) ]! p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 ...

  l7 J1 m* J( B' V* {* E/ D0 f- j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
- P- k: [- W1 I0 c
9 o4 b% P3 N+ c不和它 ...

$ V9 B4 ?: |: a4 [* v
6 @# o7 s8 Z; k2 F7 d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。
& G1 R. i1 O) L% f6 ~& M% 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
, p8 o! f8 b8 g; Rvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
% [( V" x3 ?3 Z        comp temp, xtimesy;

, ]" L, X: l5 D, p6 r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？
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。