C++ 提速的新发现

雷达

C++ 比 Octave 慢好多，怎么破？
  l: o- X7 y" j+ g% ]& {  O- j* d
: m7 ^+ ~' U% ?+ L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。

+ u3 Z! _& z) e3 C; X' u1 ?9 [8 d速度优化问题真的很有意思啊。
& o7 i7 r+ e0 K
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？
; `- Z1 q* i+ f: \% f$ A
7 e' f" F, l( N. q1 G3 O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？
# w/ R/ U$ |* S( R7 F& j' L把代码贴上来看看？

7 w: @% G, X1 G  |
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
        comp temp, xtimesy;
8 ?) L$ X- i" @: u1 W        xtimesy.re = 0;
        xtimesy.im = 0;
% z- o" t) }/ _4 D4 W* o2 ^        int j0 = lenB - 1;
        int    i, j, i1, reali;
        if (lenA % 2 == 1)
9 b7 ~- R  n9 G" R4 u2 B" j  C                reali = lenA + 1;
        else
" X- x: V) l, m, \" k4 a/ O                reali = lenA;
  ~$ A! ?* A+ K- Q' d, [( [1 g+ N        reali /= 2;
2 k4 A. a# V2 a( k* ]5 ?' q4 W
        int nconv = reali + lenB;
" \) a. J) ]* D/ B6 o+ E  }        //#pragma omp parallel for
        for (i = reali; i < nconv; i++)
* X# k7 d% j; f* E2 I- u        {
                temp.re = 0;
: N. q( l& i& f8 i                temp.im = 0;
" i5 O- |8 A* g- ^0 K                i1 = i;
1 Z& }  c0 B" ?- M                for (j = j0; j >= 0; j--)
                {
                        /* floating date operation */
9 ]1 Z! D0 Z) ]" M9 k8 x                }
        }
; \* O9 G0 K) ]$ y}

9 O- t: k9 V6 B" }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

# O. \6 Y# c) l8 X0 u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.

5 x, R1 ], j$ ^( [$ f3 H* Q如果把红色部分内循环本身完全comment out， call xcorr 1000次，耗时 <1s.
6 W; D+ c0 W- F% ]0 [  t
2 E* Z2 @7 n2 S3 p

雷达

风雨无阻 发表于 2022-9-24 23:33
' w! H! [: l0 w" yMaybe Debug mode?

. Z! ~# k7 K( v$ f8 q# H
5 a/ G+ B9 s8 r. c9 d# l不应该，看我上面的回复。
' }9 @! n: }$ [0 }8 {
0 g& ?1 w2 r( f. S, T: W: b" E我更怀疑是 VS 社区版的问题

数值分析

. v7 G# _6 w8 e, ]- D- o& X/ B1 R

雷达 发表于 2022-9-24 23:54
2 v0 W: r! {6 ?$ ^0 o0 r0 s) L/ avoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
        comp temp, xtimesy;

这个不是这么比的吧。。。

, ~! f0 @+ d6 b7 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）。

  R8 G; S7 l" }( Y6 k4 ]7 U: s/ V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

& p2 E6 s: W* @

数值分析 发表于 2022-9-25 00:20
4 _9 l- a" ^3 G8 M9 u6 l这个不是这么比的吧。。。

4 g( O, z& G- |( {- y6 ~, 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）。

* b* _% X- ], S/ L7 a7 G
2 ?! f4 I# c6 y$ X  a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。
( P3 h/ j2 i% I
% O8 M7 M. C& K9 N2 Q( l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。
0 A. J7 q( P' ]. _% |5 `3 g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 ...

! m$ s; [) A$ _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
- ?, f0 z% D% p: B9 \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
& W8 j3 P: t# ~2 i% ^% ^1 N这个不是这么比的吧。。。
' i6 \. i& f/ R- m0 t( t( l: q% l3 I  n
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

! n# a) j2 o5 z4 w4 s# z
. _0 T0 p$ B0 a- D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

  V4 {, J+ Y( n

沉宝 发表于 2022-9-25 01:48
: m% h) A6 L* y  y9 s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。
/ ~- P. c' l3 D- N7 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。

% U8 a7 a7 \( v4 p7 G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。
1 c5 e# l( h! P
% G% {6 j( k" n/ D( R+ q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) u0 b2 T0 P% Y
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
* e" Y5 P8 S/ g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 ...

% n% |# |: C* |5 z( o) C' l% O
2 z& A  t: U* c  G7 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。
: i* W" S+ j( o9 ~4 T! l
: j: e4 F  e% L* _7 m6 G/ C# x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 ...

, R, f2 e6 q8 K) n7 V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
- I2 p2 [) T9 ]2 H* |6 ~$ z) i( ?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 ...

- E2 o( K- J% I$ p" T, P6 d
6 ?3 ]7 d! D1 B

/ I+ m- p2 ~; x9 T! B3 `' P/ W) I能不能把这个也贴上来，看看和上一个有什么不同？

雷达

0 N: T6 p: x9 Z2 e5 ^

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？

: u" a7 R& ?! C$ t# l6 q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
$ K' f$ X0 ^  q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.

* ?' L1 B, k3 n2 G( i$ o; l; \4 f内循环试了4种方法，
9 c, t1 L8 {; d. c1 z1. 直接调用 vector inner_product 247s
& [* U% L& `8 l6 J) m3 h2. vector 循环点乘累加 237s
# s! {9 ~% g  d* c+ j3. float * 循环点乘累加 204s
4. 空循环 100000 次 202s
# x- O$ w% t8 e7 F" D& X; d7 ~$ z1 T
( w5 \" c! n  d4 D5 c- W' C: H不做内循环 200s
  {( _( Y: `# }) @% y
  f+ |- ]: r$ p2 @* z; a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。
& p' k* m/ Q6 m3 Z: K, e
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）

3 l) @7 W1 Y6 U( n8 g（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）

+ z/ e( n' n  r0 _

        std::vector < float > vec1(N);
        std::vector < float > vec2(N);
3 Z" b. o- b. |8 `        float* b1 = new float[N];
        float* b2 = new float[N];
) @% s. a. A6 m8 M
        for (int j = 0; j < 6000; j++)
        {
                std::generate(vec1.begin(), vec1.end(), []() {
                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
2 @  t+ W% I* e; b; h  d7 ?$ H, y                        });

                std::generate(vec2.begin(), vec2.end(), []() {
. H7 Q1 Q: s2 H9 i7 |8 }                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
9 y  D6 q5 F4 p8 n                        });
% ]: L9 D# a- h! u8 d- R
                for (size_t jj = 0; jj < vec1.size(); jj++)
: n- p7 S, M* x8 p                {
' `3 T' B1 @5 P3 W( A                        b1[jj] = vec1[jj];
! p0 P- q! z1 ~; S% B1 D6 p/ e( Q                }
7 L' F; h$ u  K! @& s# B4 |
2 X! G- X. B- d% n( b. o$ a  l                for (size_t jj = 0; jj < vec2.size(); jj++)
- y* g4 d# V2 O; V; ~9 H( v$ ?                {
4 T5 o! Y( C. b0 g4 i1 d                        b2[jj] = vec2[jj];
5 V/ x& x& h- ^  Z/ g                }
+ f3 [3 s' U2 G  i/ Y% m
0 t. X8 n$ _0 m4 ?* P                //Method - 1  N=100000 247s  
                //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
+ m1 u/ c  k  @, |2 X7 O$ X                                
, N7 x2 p. k6 z% U, |                //Method - 2  N=100000  237s
                /*
                for (int jj = 0; jj < N ; jj++)
                {
0 X8 I' t9 [' B5 N' m& D3 r                        fresult += vec1[jj] * vec2[jj];
                }
5 q6 }1 F6 q0 Q6 |5 P                */
                                
                //Method - 3  N=100000 204s
4 d% m* j+ |! E                /*
                for (int jj = 0; jj < N; jj++)
) |* u6 s9 C8 D- P                {
                        fresult += b1[jj] * b2[jj];
$ _7 T) ?$ a$ X( x4 }                }
                */
% |8 s6 i7 r( ]4 c* D2 @& T5 e
8 Z; I- a! ^# F$ D, S                //Method - 4   202s
                /*
& f2 Y& [- X; b, {7 h! C                for (int jj = 0; jj < N; jj++)
* k* B8 ?. Q* L5 ?; _                {
6 f! [6 R# l5 l1 f+ J5 a7 M% e0 m7 k                        
                }
                */
4 @6 s1 r, q2 t6 m' u- D" P, w                //comment out all methods, N=100000  202s               
, ^/ I7 T" W" z        }
) `+ |8 l6 A( x5 R' E
        delete []b1;
# e- |7 C8 Q9 g, P; N! U3 p        delete []b2;

) H9 Q0 M- b# |9 c  }# Z

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？
( q( x1 Q6 Z; s$ e
0 }& r: ~8 N% r- n7 _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？
, S' G$ `( s: m7 k; {
你第二个试验里面的j在循环里面又重新定义 ...

5 f' ^# V9 S- o! P8 x( i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

' B7 O7 ^- _( q, i1 Z不和它 ...

! {2 c$ {* |" K, M- }7 u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。
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
0 n9 l4 d$ g1 E: F: J9 W7 wvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
4 `* A) S" @9 K4 w{
; u# l  y" ^# C% j6 A& S        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？
  D& A$ Y) G" B. f; q( |* R) wVS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。