C++ 提速的新发现

雷达

C++ 比 Octave 慢好多，怎么破？
) J& M: I( P! @4 O
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。
8 S  ~- m) r% \% I' B
. b$ E6 H/ f, B" G9 q7 l/ y8 U欢迎大家继续讨论

数值分析

拉下来？拉多少？
. l# t* ~' d7 m, ^+ N. X把代码贴上来看看？
# R8 I+ k2 {7 G9 y
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

: ]& l$ I. S# r& r8 f1 R+ r& x

数值分析 发表于 2022-9-24 23:04
, U% v" G; {8 W0 U. j8 l+ H( u: R拉下来？拉多少？
( [% k2 y$ |& H+ N, _把代码贴上来看看？

void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
2 Q; c. w2 N- j0 }8 c1 D! U{
/ F& z  L: ~" W5 F: Y) x( m        comp temp, xtimesy;
        xtimesy.re = 0;
        xtimesy.im = 0;
6 D" {% Y# }& A; M9 D4 v; k3 A7 ?        int j0 = lenB - 1;
        int    i, j, i1, reali;
        if (lenA % 2 == 1)
                reali = lenA + 1;
        else
                reali = lenA;
4 ?  \! ^4 t/ d7 R! m& H) Q9 C        reali /= 2;

9 x) p$ }0 r# P$ E1 ?* {6 c        int nconv = reali + lenB;
        //#pragma omp parallel for
        for (i = reali; i < nconv; i++)
        {
" K! I; c# ]+ @7 G; L                temp.re = 0;
# V$ m5 ]+ V" ?! l3 n! C                temp.im = 0;
# ~7 j5 W1 I9 `+ j/ d) p' ^4 T                i1 = i;
3 I6 I8 v- g8 R# R; S/ y+ Q7 S5 d                for (j = j0; j >= 0; j--)
                {
, I* F- R6 m" _8 O. J                        /* floating date operation */
' @  k7 |9 q( g' j                }
/ k3 b6 \, G' d; F( G        }
}
% h: e: j  j9 G+ M
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
& H. Y$ H( |" M% T- q
- Q$ w# T' b  Q6 P2 |6 w- 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。
$ P2 S" s2 x! W) U4 G- R' ^; X6 t现在call xcorr 100次，耗时78s.
5 P! _8 h  U3 P1 d. W* }& Q
如果把红色部分内循环本身完全comment out， call xcorr 1000次，耗时 <1s.
* L% d) W' p7 o  ~2 s+ x% }: ]

雷达

风雨无阻 发表于 2022-9-24 23:33
9 t# V+ \' }& Z' K' \5 {Maybe Debug mode?

/ W( B1 ^1 a" Q' P不应该，看我上面的回复。

3 `8 n& W, o0 M, [% B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
0 E. k% ]) G, l4 |* zvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
4 X1 o" a0 {& p{
        comp temp, xtimesy;

这个不是这么比的吧。。。
, v+ |' y% Q, t5 `2 Q# 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）。
9 H# C! J# N  U/ N& B" x
1 k3 g  c$ Q( _% g6 X7 R) E: }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。。。
4 U/ c+ T3 E0 m1 Y: h, ?/ k8 l; T
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）。

% N  _! x2 W: R# x: O1 o: l3 Y/ N有道理。
( o+ S. c9 G, _: Q; l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
有道理。
% _  ?5 c0 b7 w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
$ P' r2 C9 Z2 ^3 o这个不是这么比的吧。。。

; y% d$ H- ^9 h# G4 x: f. {% `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

# h2 w/ F0 C8 C+ |. p3 R2 X
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 ...

是的，兄台说的对。

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。

% e3 `9 ^1 z- m9 |* Q- E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。

, x& ~2 v8 {0 w, L; y7 `9 t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。
$ g, v" ?: p4 O! c3 e  }( 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

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 ...

/ J0 r6 i5 T% h( r
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。

我已经完全懵了。

沉宝

雷达 发表于 2022-9-25 04:47
5 P# |: U( C$ w" ~& r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+ M0 h6 |4 _" N时间差一倍的结果可以接受。
, ]( c/ {4 p- h$ n8 w1 e
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
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 ...

5 f# {1 N) c% E' Q2 m9 {
# [: E5 P3 @# A  }1 [4 y, n  v) 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？

) p+ B( S" c# N3 C0 K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
/ \2 @# G; w0 |# 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，
  E; I! u- S" v7 s4 G$ o1. 直接调用 vector inner_product 247s
1 ]' g7 O  A) [, S8 M2. vector 循环点乘累加 237s
3. float * 循环点乘累加 204s
4. 空循环 100000 次 202s

不做内循环 200s

# U) n! m. N. A2 _. P( K你昨天说的对，内循环本身占比是很小的，大头在其他处理。
. V" H( G( U2 _1 F/ a# W另外可以看到， float * 循环点乘累加 并不差，比用vector 还更快。
' |+ S& L, e6 R' G& I! Y% p
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 r$ `- W. D0 P5 y  f4 K
& y2 `7 g9 E7 W6 `' w（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）
/ S7 P$ _: Q& R* w% ~

        std::vector < float > vec1(N);
1 b1 v/ D# d0 A( D  M! Z7 D/ Y+ I) C6 T6 a        std::vector < float > vec2(N);
        float* b1 = new float[N];
        float* b2 = new float[N];
  W  ~* `6 i0 u' F0 R
        for (int j = 0; j < 6000; j++)
        {
9 y* U3 S5 o4 A6 M3 v                std::generate(vec1.begin(), vec1.end(), []() {
                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
/ b4 R' T7 K- w8 Q                        });
; w7 f6 X4 l( A4 `) }! w( ]6 Z
                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];
% n' Y% M* {  I, V, V5 }                }

                for (size_t jj = 0; jj < vec2.size(); jj++)
                {
1 c: v( N+ O& J9 A/ ?                        b2[jj] = vec2[jj];
  ?- ]7 P3 G3 _/ ]8 K                }

+ I, I; I+ R  B4 L! V3 N' `/ ^                //Method - 1  N=100000 247s  
) r2 W6 Z/ @* l7 ^                //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
                                
  ]7 G7 p# H, k2 {6 V# t                //Method - 2  N=100000  237s
9 x1 M2 v4 e; `+ y7 I7 z" {" r9 h                /*
                for (int jj = 0; jj < N ; jj++)
                {
! C0 y0 J+ q' J4 \3 t                        fresult += vec1[jj] * vec2[jj];
                }
' v4 d, M- U6 n                */
                                
7 Q2 y1 Z* j+ E9 i0 s5 y( R6 C                //Method - 3  N=100000 204s
                /*
                for (int jj = 0; jj < N; jj++)
! J+ [& Q1 Y! B7 _" g# V6 k                {
                        fresult += b1[jj] * b2[jj];
0 e) A/ \. z8 n, V' H                }
                */

' k. L. \0 H- A5 m) t3 l1 W  m                //Method - 4   202s
                /*
                for (int jj = 0; jj < N; jj++)
! D  B5 t* r' Q' M4 ^                {
! n! C! [- B9 d                        
4 Z, j. U3 Y' d                }
                */
                //comment out all methods, N=100000  202s               
5 j+ [: f3 S, j% q* t        }

        delete []b1;
) s" Y% C4 m' j# z2 d7 G% _        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？
( E5 n4 z6 Z* F& G" }9 n0 C
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？

/ F. D; m1 z7 q  F2 U; V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

' A* T" [/ C; j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

不和它 ...

& y; _  M+ {& D; I% 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。
# _9 d. [0 x; S. K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
1 `2 N( x  d9 B, ivoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
" P/ B3 X6 J, F# A! X. u7 D! v  o8 B5 ]        comp temp, xtimesy;

3 E: F$ j+ r- i) t5 _: [& _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。