C++ 提速的新发现

雷达

C++ 比 Octave 慢好多，怎么破？

! s. z3 S, K9 _# r2 {8 ]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。

7 P# @" l) N: d$ O- C速度优化问题真的很有意思啊。
: E3 _% |% {( F! d; ]; k
欢迎大家继续讨论

数值分析

拉下来？拉多少？
  `3 D5 K0 E# A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
% Z; l! b) Q) S& d$ D  i# _拉下来？拉多少？
把代码贴上来看看？

void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
: g0 w% Q+ b/ p, v{
( y7 S( ?8 g) p9 Q        comp temp, xtimesy;
& }: v. A' A* P        xtimesy.re = 0;
/ `% D5 i2 i& t. T* r) W) o# K! I        xtimesy.im = 0;
1 L' Z: o- ~1 e+ `        int j0 = lenB - 1;
2 k' L, R9 V, l/ G        int    i, j, i1, reali;
2 K4 u; l& x' g, h! a+ r0 t/ B: d6 \        if (lenA % 2 == 1)
                reali = lenA + 1;
        else
                reali = lenA;
        reali /= 2;
2 m$ N" r- j0 v" d! B
( }% Q5 k. _; x$ P+ K& ?        int nconv = reali + lenB;
" _2 i3 n2 C9 ]5 }/ o6 _        //#pragma omp parallel for
: q' Y- S* d3 Y) [9 c        for (i = reali; i < nconv; i++)
! H; R* S" `6 h' j. l% L        {
- m' J4 `3 Q" D7 P$ S                temp.re = 0;
                temp.im = 0;
& D* M+ Z- L0 i7 V1 Y2 M                i1 = i;
                for (j = j0; j >= 0; j--)
                {
9 C; `( v2 g+ L                        /* floating date operation */
& j" ~. U. D1 f, W3 {                }
! B# O  w( s, b( ]3 e% |        }
}
  v: c5 T! V. r& u- y) U# r
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
$ {! _# M' A0 x1 {2 E. k# [
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' M4 S  O! X. z" Q5 a7 h现在call xcorr 100次，耗时78s.
* l3 w# {* b! W& X
  y/ W) R, V6 [5 m! G+ p' {5 r如果把红色部分内循环本身完全comment out， call xcorr 1000次，耗时 <1s.

- @  O6 _) n4 g% |5 k

雷达

风雨无阻 发表于 2022-9-24 23:33
8 p) M$ i$ K2 u% k: V( |Maybe Debug mode?

不应该，看我上面的回复。
% v3 {" Y  h6 e
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
9 i- M( H+ j! `( e. R+ L  o( _void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
( i; R0 G1 h6 Y{
        comp temp, xtimesy;

. y9 A7 V& v  U4 ?7 O5 Z
这个不是这么比的吧。。。
  F. ]8 \7 [' n3 }8 H
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）。
6 j! {( t5 P9 h+ d/ X
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

0 n; u# V4 V% P- N* _

数值分析 发表于 2022-9-25 00:20
) H* i+ ^: Q( D+ R3 l这个不是这么比的吧。。。
  A5 _- o# d) m9 L
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）。

' v5 o: o1 @) p0 C7 H2 y  F+ Z
有道理。
$ y) e8 ~/ A7 g7 P+ N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。
* t% S3 }! r) p! x. y! C3 F
3 @, {, R4 E1 N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。
% B- `' S* Q+ S# c5 Y/ ]. f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
: l( b& w9 w. k; n, g. z; m这个不是这么比的吧。。。
- e7 u% N* z  i# D3 R, A
: D9 @9 Q0 d4 q: {; g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

% k6 J- ~- z6 r! `% n
. u+ i! F! t- T  O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
: J0 M) q7 s  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 ...

& x- G4 L% M8 L
9 t* v3 w( I5 a0 Y/ C5 t是的，兄台说的对。
# j: C$ R5 Y. V3 Q$ R+ S
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。

5 x. r9 v& H0 U7 X9 W, }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$ m7 j1 p* d! s3 U
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。

; N  F- [' o  f, B& h0 b3 B* [: G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

0 ^3 k! e; ^+ M  W

沉宝 发表于 2022-9-25 01:27
. ^7 B& H6 ^1 R- G8 t1 c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 ...

+ R( l* m: X# O8 a) h( c& E* `
' |3 B/ I% R/ E- H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。
  G: u9 c. s2 ?# j2 p: t6 F
; w& j/ p  V# Q( O' R( d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 ...

- U6 n  m# |/ y7 ?, _8 I; f时间差一倍的结果可以接受。

5 x6 Z6 s0 B% H" o; W: ]1 ?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
; q* }3 l7 l* V  ^2 X" u: 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# V. ]; J, o8 I1 e
1 x+ B7 N) D( I) s/ r# ~" O. u" r
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
" B3 M. M  A& v- Y能不能把这个也贴上来，看看和上一个有什么不同？

5 R' V; x5 [) Z. F) D2 K5 e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
4 _$ W5 E, y: q$ X; I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，
6 ~- K0 ~2 b! j/ H' I; t" y6 s, T1. 直接调用 vector inner_product 247s
2. vector 循环点乘累加 237s
3. float * 循环点乘累加 204s
% x. v2 R) ~9 @9 \1 r- W3 u% m" G4. 空循环 100000 次 202s

3 M5 M, P  E$ x不做内循环 200s
; s8 f/ p5 H9 p- O; Z* A0 t* ]
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。
6 m3 C& u$ a' _% l
$ I& f& K4 X. ?/ I0 ^4 l5 _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）
2 U/ M4 I+ T( y% {
（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）
: S" ]5 r$ D. ]1 B; I8 R

        std::vector < float > vec1(N);
* Y" t& W* u1 s        std::vector < float > vec2(N);
        float* b1 = new float[N];
# Z) n5 q5 o" {0 m+ W6 z3 ]        float* b2 = new float[N];
' U7 ]0 V- h! y
        for (int j = 0; j < 6000; j++)
; a( @4 B' N7 F+ i" Z9 e, |6 l; w        {
- M8 `9 Z: e3 q- F                std::generate(vec1.begin(), vec1.end(), []() {
                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
                        });
; \6 \2 W" X+ X2 E; d9 s8 p! R
& u$ J5 Y* ^% T9 l2 e                std::generate(vec2.begin(), vec2.end(), []() {
                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
                        });
8 m+ U; E: L7 d4 \
                for (size_t jj = 0; jj < vec1.size(); jj++)
                {
9 p4 A3 `+ p& K                        b1[jj] = vec1[jj];
; w* E( o! I" Q1 N- m; O                }
) }0 j9 m+ g6 O1 O& U
' }2 i1 {# X- y4 T9 a7 b                for (size_t jj = 0; jj < vec2.size(); jj++)
) ?( a% N/ e  g, {                {
5 U7 n9 B8 z: z( a                        b2[jj] = vec2[jj];
                }

                //Method - 1  N=100000 247s  
  \2 _6 [4 C. K                //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
1 q, J7 }, @! E0 Q, s                                
                //Method - 2  N=100000  237s
                /*
                for (int jj = 0; jj < N ; jj++)
$ w, J: v$ x4 ~) Q5 t                {
                        fresult += vec1[jj] * vec2[jj];
                }
1 z7 Y8 W9 X* _' H5 u" p, R, P* x                */
, [, g, o5 U' W7 i- v1 p                                
                //Method - 3  N=100000 204s
0 J, K+ ]# z) @- D' B% @* y                /*
9 W5 q! u- B! c& l6 a                for (int jj = 0; jj < N; jj++)
) x: S0 p) L3 x2 ^* e3 T2 {                {
                        fresult += b1[jj] * b2[jj];
                }
% D' Z+ v5 J2 n( K2 @% v                */

                //Method - 4   202s
; p& G' h/ F% \; j$ L; X                /*
                for (int jj = 0; jj < N; jj++)
                {
                        
5 t; w& i( R* F  V! p9 V" `                }
3 I; q( }& s9 _! P. D4 A                */
, `! w2 M5 c# w7 K( b6 C                //comment out all methods, N=100000  202s               
        }

        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？
1 D) Q7 V0 P$ _9 q% A  K
你第二个试验里面的j在循环里面又重新定义 ...

# Q7 Z6 {1 E8 C/ i; }/ `+ U6 W4 K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
( i/ |, \, p3 A( A$ }" ~7 ]
& L( D2 `- g4 F8 n: b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
; g& t9 U2 h( O; r% p# A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$ \1 `3 \+ [& P: W不和它 ...

3 @* {- \8 J, E! m" S7 ]7 c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。
/ x+ O9 a4 B3 q# L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
void 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。
# X$ {3 F' e  |. t! C5 d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？
# k; @+ h( M: T7 R# `6 yVS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。