C++ 提速的新发现

雷达

C++ 比 Octave 慢好多，怎么破？

) u3 R+ c4 G7 d# R& L# T. c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。
# o& Y9 X8 F5 [8 L# A
速度优化问题真的很有意思啊。

( s0 K4 i* n/ g/ [欢迎大家继续讨论

数值分析

拉下来？拉多少？
5 l* M4 M+ m/ E2 Y把代码贴上来看看？
6 S3 s( L8 V8 K9 x6 r5 F! P( W
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

! D. d! H* o4 ^! J! T

数值分析 发表于 2022-9-24 23:04
拉下来？拉多少？
' O& c5 ]" y9 W* N) V; D7 _* K  x把代码贴上来看看？

( w, v) K. V9 Z; A0 @% y3 X( A
3 L8 B; m3 h/ x1 B% wvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
        comp temp, xtimesy;
        xtimesy.re = 0;
        xtimesy.im = 0;
        int j0 = lenB - 1;
, A4 x3 u: O* m! j- b        int    i, j, i1, reali;
        if (lenA % 2 == 1)
                reali = lenA + 1;
        else
                reali = lenA;
        reali /= 2;
; c8 t8 X" _# T( e
        int nconv = reali + lenB;
9 }! a2 s; L' X        //#pragma omp parallel for
        for (i = reali; i < nconv; i++)
- }! b4 A' ^% W* ], U  \        {
  D; Y! O0 j& x                temp.re = 0;
                temp.im = 0;
9 R* v9 l* s: R* {6 F! X( d$ l                i1 = i;
  }( {( d  }0 ^& T6 l9 z5 @& r                for (j = j0; j >= 0; j--)
0 m. e8 A; Q! Z3 h- k/ S1 ~                {
3 A+ n- N% R5 v2 a9 d! D: w                        /* floating date operation */
+ @0 n, C: |, T6 c+ \                }
4 |& o" y7 z# f) z7 Z- G1 }; ~5 N        }
}
4 f: h; l2 ~( p8 m  V
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
) R6 ~! M  ]  q' [4 Q2 `
红色部分是内循环，现在其内部操作都comment out 了, j0大概是 6000。
) B0 N9 E  N7 |! H$ A  ?3 A3 e现在call xcorr 100次，耗时78s.

; Z% h4 Q: ]/ y如果把红色部分内循环本身完全comment out， call xcorr 1000次，耗时 <1s.
" W, S, [6 m2 J4 w% O" E9 I5 C- V0 E' F) U

雷达

风雨无阻 发表于 2022-9-24 23:33
* Y, ~/ V2 W& @% T" ?8 G0 }) q4 N2 VMaybe Debug mode?

不应该，看我上面的回复。
" \$ Y3 ?( L) ?$ U0 U! `
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
. G+ P: s: ^0 T1 S& o- x5 }/ `void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
$ b2 q* `, S  R/ ]  h        comp temp, xtimesy;

/ t- _: a& t  s
: O4 j* g9 g0 Y9 H这个不是这么比的吧。。。
( V5 n8 w! P: J3 L) W+ e0 m% X! |
) C3 O; K1 s- P& u3 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

数值分析 发表于 2022-9-25 00:20
这个不是这么比的吧。。。
; X& p. e8 u0 }, g5 u
+ Y4 U# ]$ V! U, t) b, n( I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）。

& A2 Z7 Z4 ~. o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。

4 z, e# q! j2 j& r* `: M* k1 {& t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。
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
& z( Y* P8 J" ^- l6 A这个不是这么比的吧。。。

0 u4 }- U5 n( w. R5 g  Z1 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）。

而加上内循环，光jmp和dec指令就至少多执行了6000个

: B- n) i1 U4 K  a# I/ |7 T( B- 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 ...

; x1 W. s) B% Z; A; H% u; B3 }3 M
是的，兄台说的对。

% i/ j. T% |" _& s% x  w, p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。
& W. k& ^+ Z! m3 K  I5 R
- z' N) m+ p- g% a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。

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

3 }3 J. @- b5 E( M; `/ |2 r

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 ...

6 _! Q% b9 L! x! ~1 l5 U* c! E
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。

* n5 F. C- N/ e8 k+ K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 ...

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

& f% Z7 v( r- t! }2 @2 T, [

雷达 发表于 2022-9-25 04:47
' F6 X3 [# Z" D8 S. 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 ...

9 n+ ~) u6 x' P7 i) F0 v7 c3 q

; b& z9 g! j/ P5 ]
' }- q* i2 u% i# w0 X能不能把这个也贴上来，看看和上一个有什么不同？

雷达

0 {, X' \' _, {! |

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, M. K1 R* F: t3 i  @理了理思路，重新做了一个测试。
' B5 g5 w- b# n8 g1 k) Z" h9 t做了两个 vector 和 两个 float *, 都长 100000
# B( L+ _5 O" N2 e/ k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，
5 k2 S. t; \$ N& `( c/ }0 Q7 e' f1. 直接调用 vector inner_product 247s
9 }$ B# x' ]; P: E2. vector 循环点乘累加 237s
- {7 r+ }% n4 y% @8 d5 G3. float * 循环点乘累加 204s
4. 空循环 100000 次 202s
$ H8 T% ^7 m# a8 m9 e8 Q7 }' m/ s
不做内循环 200s
9 E' X4 q/ C4 h1 Q0 G9 X
, @) o- X7 n, s你昨天说的对，内循环本身占比是很小的，大头在其他处理。
: \  `% s" e- ~; G# T8 f9 G; E另外可以看到， float * 循环点乘累加 并不差，比用vector 还更快。
& Q) {6 V! O/ b8 L3 K
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）
) n2 z6 c( R& g8 L( \
7 a% f4 b" u/ T5 N' o+ A' W( i

        std::vector < float > vec1(N);
! \6 n+ d& g8 j& N1 j8 r$ [        std::vector < float > vec2(N);
        float* b1 = new float[N];
        float* b2 = new float[N];

- F% j1 D" e, ~" H% u8 m' N4 s        for (int j = 0; j < 6000; j++)
        {
: Y6 z. {2 [, q8 u                std::generate(vec1.begin(), vec1.end(), []() {
) U; Z; K' q- s% C* C- P* l                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
4 z2 z8 J* P# q6 {) N                        });
- z6 z6 [8 m$ I2 `$ j# s$ b
                std::generate(vec2.begin(), vec2.end(), []() {
/ {: z7 w& U4 \+ `0 k" I3 `                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
# y/ g# Q6 i# J: k6 m8 c" ]4 L                        });
& [9 k1 V( W+ v& Q# K4 h# x
                for (size_t jj = 0; jj < vec1.size(); jj++)
                {
                        b1[jj] = vec1[jj];
/ M$ }3 J7 Z+ K. t- e8 ]                }
) r, `/ V4 |6 y" j$ Z2 p1 O) v. x0 c
                for (size_t jj = 0; jj < vec2.size(); jj++)
                {
                        b2[jj] = vec2[jj];
                }

                //Method - 1  N=100000 247s  
                //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
4 F  D( F: ~! c                                
                //Method - 2  N=100000  237s
                /*
                for (int jj = 0; jj < N ; jj++)
" T+ C6 V/ i3 }; c8 @                {
; Z2 f# f$ k  d5 J                        fresult += vec1[jj] * vec2[jj];
! w  Q7 _. T3 E                }
                */
! w# B7 o0 [6 f" u1 Y                                
6 |" c9 b: A: q                //Method - 3  N=100000 204s
                /*
5 d) |5 _0 U7 z                for (int jj = 0; jj < N; jj++)
                {
                        fresult += b1[jj] * b2[jj];
3 q+ @  e* L. L" b$ I9 f4 P  j' a                }
' V7 V' i7 V+ h3 t2 N                */

                //Method - 4   202s
0 R0 Q* h+ g: m* r; Y" a" V                /*
                for (int jj = 0; jj < N; jj++)
                {
                        
                }
# M" F$ m1 j& j( H) `+ O8 n( ~                */
                //comment out all methods, N=100000  202s               
: }3 L% D8 ]( t$ [% ]1 Q' M" E        }

6 w1 q& o7 O0 x1 j# a        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？
2 ~. L% J% h7 H/ G. q" R
( y4 u5 |3 N% c% k, B5 h0 B& r0 h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？
; c) i8 J. c$ a& N: o
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
% l5 a* T! g9 q4 R' w' G
. ?$ u4 c$ V. r' E/ H& s7 ~3 c+ j9 S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 ...

) ^1 w1 E2 o+ M5 I/ D, w3 h- ]& P* P
# d7 e2 @, x* h, X4 g# 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
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
; B  b- Z0 _7 E; F2 m7 F{
        comp temp, xtimesy;

# R8 `8 F+ H+ i/ b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？
. {, Y/ V/ T4 j3 `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。