C++ 提速的新发现

雷达

C++ 比 Octave 慢好多，怎么破？

( [% P) y% M' {, K9 H+ d4 ^+ D  H5 j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。

  [. a- b) V* n! ^( f速度优化问题真的很有意思啊。
0 S( p0 t( b: q' |4 T0 O( g
4 ^% C4 Z8 I& I6 W欢迎大家继续讨论

数值分析

拉下来？拉多少？
# a  X: f7 @2 ]1 l  e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

0 Y3 @0 F2 b; S

数值分析 发表于 2022-9-24 23:04
1 {+ u0 B' f. ]2 q+ v1 C拉下来？拉多少？
把代码贴上来看看？

# S4 z% x4 @% Y" M
+ d1 V3 \1 c2 N; u  {1 q/ C6 fvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
8 K# N$ r% l7 j/ U2 V{
        comp temp, xtimesy;
9 z& g( u8 v, j, V2 {: t8 P# l: k        xtimesy.re = 0;
6 D  ~7 Y) k: ^& i% O        xtimesy.im = 0;
) _: c: s1 _" n9 G% P9 i7 R        int j0 = lenB - 1;
) K; j" @; q3 o% M0 ]        int    i, j, i1, reali;
        if (lenA % 2 == 1)
2 E' k, u* P2 x" s# Y6 q+ I" u7 n                reali = lenA + 1;
        else
                reali = lenA;
) @. s2 \8 {! n& E+ R4 x  g        reali /= 2;
  M6 I  z9 B3 B  q
+ D% y9 O  }: Q  S        int nconv = reali + lenB;
* V2 u' w- {* c. X        //#pragma omp parallel for
        for (i = reali; i < nconv; i++)
        {
                temp.re = 0;
                temp.im = 0;
                i1 = i;
: r6 P1 v# E4 O                for (j = j0; j >= 0; j--)
                {
                        /* floating date operation */
  J" S# [# I, `1 j/ E" t. Q  o                }
( X$ m2 t8 t' ]) @        }
; c. G, e+ v0 }5 M0 U}

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

3 F3 c) [& {' z6 q$ m; C; O  B! J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 m7 D3 Z3 A( W" I, V( Q; O1 ?5 e
8 c6 [; T% P( J' Q3 T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
: L- I& k! b6 P5 CMaybe Debug mode?

7 C3 r5 r9 {2 [( F5 {不应该，看我上面的回复。
  L1 E' C# ^7 \; `: L6 H
7 J( J; L1 O- s4 ^% d8 S9 Z( J& P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
- K) |& o) G: N* Z( Lvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
( }1 q' M2 U+ [9 u9 F{
4 a+ f. }- o5 ]        comp temp, xtimesy;

7 J4 Z; A, f9 N" V这个不是这么比的吧。。。

6 Z. @( I, {3 L0 k; Y: v. s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

" g4 Z% C# c" `, c/ `7 @

数值分析 发表于 2022-9-25 00:20
3 x2 S; M% [6 P/ g" {) e# g* D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）。

" y8 J0 m+ i  F2 p4 f- x
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。
6 {9 n+ B5 l5 e3 a( A; k
, z; U7 F) m; }$ s5 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
6 H9 X: s& M, T  p& Z- D/ g' S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
0 ]0 G2 R/ M+ c: E; i4 x/ \这个不是这么比的吧。。。
1 R# p6 j8 Z; Y- H. S. W8 ^
* ?7 @- U& c# B( a2 B9 a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

% I. I% E% I& T

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 ...

) q4 u+ p1 a8 R- l: K" i# s
是的，兄台说的对。

% J) t% [( f  D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。

. K5 O8 U  y; }4 S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。
% ?- _3 m6 M: I8 r
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 ...

' M  C' x/ W. ~: h% A. a6 E
1 o+ z; p: b+ W8 e; m  H% L1 N5 B; P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。
4 B' H+ Z" \1 j/ ~5 o
我已经完全懵了。

沉宝

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 ...

/ @8 r0 r+ g+ X2 {1 e时间差一倍的结果可以接受。
5 ~! ]1 s- }3 A3 I" L
你还是用profile工具看看吧。现在大家都主观瞎猜。

数值分析

- v" V" _5 k6 g7 \# c% W/ U' d

雷达 发表于 2022-9-25 04:47
8 A- e* T5 L9 _" o0 K6 ^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 ...

& C6 H( G7 _; \/ @% w9 [
) [8 B, D7 j" f8 p- W8 }
能不能把这个也贴上来，看看和上一个有什么不同？

雷达

2 q, U2 ^$ a# o

数值分析 发表于 2022-9-25 14:58
  F4 _+ j. M! ^5 c能不能把这个也贴上来，看看和上一个有什么不同？

7 N8 Z8 f# B6 w8 j理了理思路，重新做了一个测试。
2 s+ f9 w2 B" d( v  V做了两个 vector 和 两个 float *, 都长 100000
; ~3 h$ ^, @' T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，
1. 直接调用 vector inner_product 247s
& n2 u0 c& I5 I, I  w/ ~% v$ ~2. vector 循环点乘累加 237s
2 e2 L- A7 }7 F8 J! u4 `2 Z$ {3. float * 循环点乘累加 204s
1 {# X! n! `: [# j' J4 ^4. 空循环 100000 次 202s
' c! J+ e- Q$ R3 w- I1 B% |
9 z8 e2 J0 c# b& o! e不做内循环 200s

: ^: n4 \, x4 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。
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）
1 ~: B" v/ U2 z- s
( E% o. v! m% L+ u（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);
; g4 _( b! `8 \, p; x1 o, E        float* b1 = new float[N];
! A( E- v$ B* s$ k: z        float* b2 = new float[N];
0 ?* d5 V; t5 t
        for (int j = 0; j < 6000; j++)
5 O6 v4 a! b% @: O2 V        {
9 j9 ?3 b# s& B9 {/ M) u. J                std::generate(vec1.begin(), vec1.end(), []() {
3 f' S1 Y$ A# k                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
                        });

                std::generate(vec2.begin(), vec2.end(), []() {
/ K- I! n% K: L                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
! d: ^% V7 G: _7 @2 ?                        });

                for (size_t jj = 0; jj < vec1.size(); jj++)
$ q$ X; b. _4 E                {
7 W: N$ _. W& R                        b1[jj] = vec1[jj];
                }

                for (size_t jj = 0; jj < vec2.size(); jj++)
  Q9 e! y0 a2 ~                {
                        b2[jj] = vec2[jj];
                }

                //Method - 1  N=100000 247s  
                //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
                                
                //Method - 2  N=100000  237s
                /*
5 }7 R0 n. _' z. A+ b' X' a! u7 T                for (int jj = 0; jj < N ; jj++)
                {
                        fresult += vec1[jj] * vec2[jj];
                }
                */
                                
                //Method - 3  N=100000 204s
                /*
7 T4 u) ^) ]- B! y                for (int jj = 0; jj < N; jj++)
                {
0 N# U  Y: l# F0 S                        fresult += b1[jj] * b2[jj];
, e0 t$ x9 n9 R' l2 B" q4 n) N' Q                }
                */

6 l3 F3 v' @, w4 R% g8 S. {                //Method - 4   202s
                /*
                for (int jj = 0; jj < N; jj++)
                {
                        
                }
4 R' e+ A7 m: H1 k; m$ a( A                */
' a) B5 C  Q, \% d- S                //comment out all methods, N=100000  202s               
        }

        delete []b1;
) J" T! _6 m5 B) o/ L7 q4 i0 r& ?        delete []b2;

% T% P3 C0 s9 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？

" K, w, @* O! q* z. N1 g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
$ l" i2 t; M0 n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？
) b1 o; [, o$ P; v. K/ E9 k3 _
你第二个试验里面的j在循环里面又重新定义 ...

# h2 M. n  ^1 ?: B9 b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
& [+ n$ u) |1 {
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
2 G2 m5 M; ?0 L$ }
不和它 ...

8 D8 d! s2 ^% d4 k
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。
" C* c* ]0 x1 _& ~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
5 B( |) [- A1 d9 Y& ?% o* r' H7 B/ 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。
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。