C++ 提速的新发现

雷达

C++ 比 Octave 慢好多，怎么破？

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。

速度优化问题真的很有意思啊。
2 I3 q/ j  t0 }( Z
) J0 _7 V5 L+ I$ 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？

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
  N# y( ]: H% l( ^& c拉下来？拉多少？
( p1 P5 H5 L6 N) N- i( u+ V把代码贴上来看看？

8 x- ~) [+ h5 T: ~/ M1 Qvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
) T3 [- E5 l4 [/ k- Q{
        comp temp, xtimesy;
% Y2 Z" V; G  N: s        xtimesy.re = 0;
        xtimesy.im = 0;
$ n) ]  Z, h5 x( Y6 u( X& w$ _        int j0 = lenB - 1;
- H, g# @! s: e        int    i, j, i1, reali;
        if (lenA % 2 == 1)
! s+ [' V" ~4 R5 j; `2 c* i                reali = lenA + 1;
        else
                reali = lenA;
! A4 I6 A% N/ n" |+ j; ?        reali /= 2;

        int nconv = reali + lenB;
        //#pragma omp parallel for
7 E# {( u0 K2 k; N        for (i = reali; i < nconv; i++)
        {
                temp.re = 0;
9 L) y: [3 S" N% c/ Y% t4 ~' G                temp.im = 0;
                i1 = i;
                for (j = j0; j >= 0; j--)
! m. \2 Y. b; Y& D' @                {
                        /* floating date operation */
                }
' b+ O8 R+ F3 ~/ n1 P7 I        }
% w; C. G  @6 a+ l' j; w( ?4 }) J}

2 g, R7 G5 m3 j/ |8 y5 Jxcorr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

& P# r9 k1 |' h$ h% L" o% l' M红色部分是内循环，现在其内部操作都comment out 了, j0大概是 6000。
. m* U* e: L7 T; m2 N5 S, ?现在call xcorr 100次，耗时78s.

6 S% e! u+ }* `如果把红色部分内循环本身完全comment out， call xcorr 1000次，耗时 <1s.
9 a# _; c- j3 d) o4 }+ {1 n

雷达

风雨无阻 发表于 2022-9-24 23:33
3 k! m" s' M6 N! j7 A# H( lMaybe Debug mode?

# I! u* V; v3 P! V* n! _( p不应该，看我上面的回复。

# h% X1 x) w+ g2 j  p3 v1 D我更怀疑是 VS 社区版的问题

数值分析

! X9 n# F/ _4 i; f

雷达 发表于 2022-9-24 23:54
! J3 ]+ x) a1 V) H/ T8 f& Rvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
        comp temp, xtimesy;

9 Z# J6 p2 \& X- _+ a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）。
$ p* k! x' H% @1 s# H
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

$ x% c+ D2 u. c6 H

数值分析 发表于 2022-9-25 00:20
这个不是这么比的吧。。。
/ H4 i5 O$ e+ {/ 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）。

4 P: ^) M/ t4 v: h- _/ E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。

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
; F% n$ ]! Q) g1 D有道理。
6 p* n) r" H0 ^0 X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
. k0 p0 T" }4 e, |  R3 [2 v这个不是这么比的吧。。。

( f) Z6 L8 r0 C' y( q# |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

9 ~+ c3 a" ?" M/ }9 _" t
$ n+ X  p3 v1 {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 ...

! v0 Y% N1 c& P- R1 I1 V  A* ^' t
% W4 ~4 `9 B. K3 n6 j/ N5 S是的，兄台说的对。

. S+ x: ~3 R7 J) S& ]! G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。

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。
7 P' W# k: z8 K# k9 p* K
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。
, y4 u. q- w, K  a1 E. A
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
( k' ?' t: `" C; u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 ...

* t' t$ p5 k# u4 C! K/ 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，时间差一倍，我上面这个差的太多了。
! a6 Z* F- z8 m/ d
0 U/ _; y8 M& L" G. w4 }我已经完全懵了。

沉宝

雷达 发表于 2022-9-25 04:47
3 \1 n! m+ o1 S5 K8 o, H# s2 X8 B7 m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。
  f5 ?. l6 c2 _9 V- n$ G9 C, g
+ q, l" n; }; j% ^5 y3 A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
2 K) |  t2 |0 a: C3 F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 ...

& N  @! m" H# D1 L0 v0 U: Y
- D# {  W( c* M# ~
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。
( p, K, J# E! c0 r( D* ~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.
3 X" E$ n- k; G6 L
2 V% x- x+ A% K内循环试了4种方法，
1. 直接调用 vector inner_product 247s
; K& j% n/ W; h  y. i  D2. vector 循环点乘累加 237s
3. float * 循环点乘累加 204s
# D  ~: M" ~, A+ Z; a4 k. j4. 空循环 100000 次 202s
) c6 A  T! f/ O% X
) l: l& {; n+ g' W8 t; D* m不做内循环 200s
0 q# {/ g" k6 H! [6 |. y' M" a( t  j
8 C& Q6 v& h) f- X你昨天说的对，内循环本身占比是很小的，大头在其他处理。
9 ^  {6 Y- Z! \( e8 |0 Q' P" `. x5 |另外可以看到， float * 循环点乘累加 并不差，比用vector 还更快。

: Z7 R1 p; [) R: x8 a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）

（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）
! ~% R% b* I. q! I9 ]. T

        std::vector < float > vec1(N);
        std::vector < float > vec2(N);
        float* b1 = new float[N];
) I1 {: i7 y( g" I        float* b2 = new float[N];

. x( T  v9 N( U$ c2 Y; y        for (int j = 0; j < 6000; j++)
        {
                std::generate(vec1.begin(), vec1.end(), []() {
1 o' C6 z& m3 R6 r9 Z" ?                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
                        });
% Z) b& i( V% l8 E
                std::generate(vec2.begin(), vec2.end(), []() {
                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
                        });

                for (size_t jj = 0; jj < vec1.size(); jj++)
                {
                        b1[jj] = vec1[jj];
                }
! i' A$ [; q8 b
                for (size_t jj = 0; jj < vec2.size(); jj++)
) v+ l/ S& A6 v3 e6 H4 j                {
1 S2 |# C5 h7 w6 \                        b2[jj] = vec2[jj];
                }
" X" r/ z+ u" ^) z
  [) @+ a  |$ u$ M- v, B                //Method - 1  N=100000 247s  
  F! P7 x0 u9 L0 X! C                //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
, ^+ t- a2 n: z9 T                                
                //Method - 2  N=100000  237s
                /*
0 ?- V% s6 B+ {# m5 u! d' F8 t) d                for (int jj = 0; jj < N ; jj++)
8 O  I& Z% N" a% I) u! t                {
9 {1 m: D* K$ H3 g( C8 c                        fresult += vec1[jj] * vec2[jj];
+ j2 D; H! d4 `' H7 W* A                }
                */
                                
                //Method - 3  N=100000 204s
                /*
6 v. d4 v% D0 x. P1 @: {                for (int jj = 0; jj < N; jj++)
5 `: K* J$ Y; x# T' Q7 R                {
                        fresult += b1[jj] * b2[jj];
                }
                */

                //Method - 4   202s
                /*
  i1 }# k3 ~- x, }                for (int jj = 0; jj < N; jj++)
# d& n$ z& I& Q2 g+ X                {
                        
                }
) ?) m6 |$ j5 T                */
$ w, E, C3 e" d9 \# _                //comment out all methods, N=100000  202s               
" @: _7 J  r" }% P" a+ O' w3 U+ U        }
  l, ?0 z5 N& H( ~2 x$ ~
0 a4 }6 X. j2 U6 T- f# _) T/ j4 v        delete []b1;
        delete []b2;

3 o' M) w% r6 l2 ?  R

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？

* Y) P$ V1 h3 x) z: C- O6 M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
4 U" W8 a; s+ j
' N7 Y6 a8 h3 O( A/ X7 M& l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
6 `: y) i4 ?$ }8 |1 K# C7 M
不和它 ...

8 U/ k5 g" a5 N4 J  a
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。
3 M2 C! B# ]0 z) |4 A" \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
3 h1 Q! m( }2 A3 a  Uvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
        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。
/ P% j; A1 ?( Y, Y3 E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。