C++ 提速的新发现

雷达

C++ 比 Octave 慢好多，怎么破？
4 c8 d- i. L) i% T$ d' N+ w) \$ I
4 g! ~8 K1 D" n/ Q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。
$ v3 [, |, e* w$ ~1 H& o) `7 j" @9 |9 D
; C) {7 A0 o" g$ a1 e速度优化问题真的很有意思啊。
. N6 e+ Q3 U7 ^- u) G5 i2 N9 Y
3 V, t. _& r9 I5 b; Y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？

4 v2 K0 M5 j$ P9 J% f4 s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？
) Y- F0 w# n2 V7 V& n+ y! L把代码贴上来看看？

void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
; ^/ z$ d4 Q+ ]+ _3 G. R' N1 m8 h5 U        comp temp, xtimesy;
  U: B9 G! K/ s7 i& }  o        xtimesy.re = 0;
        xtimesy.im = 0;
6 E+ n; \& B' i$ f        int j0 = lenB - 1;
        int    i, j, i1, reali;
  m* r# }1 \% ^* l& _% L- I, M; Z6 e  k8 r        if (lenA % 2 == 1)
                reali = lenA + 1;
        else
' Q1 M6 k3 _; O  f/ j/ A                reali = lenA;
/ k8 u4 r1 j. d* E' ~0 }$ F        reali /= 2;

        int nconv = reali + lenB;
        //#pragma omp parallel for
        for (i = reali; i < nconv; i++)
        {
* \: w8 x3 V) b! _                temp.re = 0;
                temp.im = 0;
6 E2 b) G  X- H0 U+ h0 z, }                i1 = i;
! R: L* O3 u0 V4 r3 n. H, _+ m- g' b                for (j = j0; j >= 0; j--)
                {
                        /* floating date operation */
                }
. I& \* d- \4 W% |% U% ^  N        }
}

, g7 b: Q0 ?0 [0 `1 J$ kxcorr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
$ ^. i" n8 L, t) w5 A/ D4 Y
& k+ H- |: i2 E9 l: v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.

& _6 u; l. g5 ~( D如果把红色部分内循环本身完全comment out， call xcorr 1000次，耗时 <1s.
+ W9 e& a3 j  M: F

雷达

风雨无阻 发表于 2022-9-24 23:33
, y# N1 e4 L; S. K9 gMaybe Debug mode?

. M7 {1 B( P% S7 H5 c  D/ s不应该，看我上面的回复。
9 w; Q0 B5 w7 u4 V# _# m
我更怀疑是 VS 社区版的问题

数值分析

# l) {' N1 C9 ~2 U2 k! y

雷达 发表于 2022-9-24 23:54
8 [6 F& r1 B; i% _void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
        comp temp, xtimesy;

这个不是这么比的吧。。。

( A  x' ]5 }5 r/ D8 v$ X' l0 ?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）。

  Q+ P1 j6 \: {+ ]) x8 K* 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

5 r  R8 C9 B& @( B2 h+ O2 J

数值分析 发表于 2022-9-25 00:20
这个不是这么比的吧。。。
3 ?8 h& |) |' o& v
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）。

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。
' V! B! F7 f/ G  p& e( `: Q9 E
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 j6 v- j& t) _4 r( Q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
" f9 _9 D7 Y7 ~3 k# O这个不是这么比的吧。。。
, c! J% T  J% [$ `$ |
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

3 k4 c- k6 A. v# P1 p, 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
6 u* \6 ~  {8 X% f, g) V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 ...

5 l0 V' L6 Z- Q3 P6 ^: @是的，兄台说的对。

) O# t( m* H* r7 @! ~8 W; ^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。

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。
5 n. A' D; J, R  T) \8 Y! A9 |
& `: F% }( R% u$ `; F; a, [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。

9 n% Q( |- n) d, v) \* b, ?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
5 j5 t0 c) h) A% c6 p2 s+ C" u+ |4 K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 ...

- ^* }- m7 n/ S# p( t
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。

; C; }0 I! `) x: O; T/ g# ~我已经完全懵了。

沉宝

雷达 发表于 2022-9-25 04:47
4 l/ s, u8 N3 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 ...

% i2 I& Q# [, W* Q/ x: r时间差一倍的结果可以接受。
0 B% H- w# _1 J5 v
你还是用profile工具看看吧。现在大家都主观瞎猜。

数值分析

0 q9 c9 B& f5 Q+ d/ {6 n3 p

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 ...

6 i0 r8 ]0 s4 C6 g6 w


能不能把这个也贴上来，看看和上一个有什么不同？

雷达

+ S/ e* f# c0 U( w% }/ @

数值分析 发表于 2022-9-25 14:58
0 ^' |% R0 Q- V1 Z5 F5 T. \1 H能不能把这个也贴上来，看看和上一个有什么不同？

5 |/ @% J7 Q' O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
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.
* x2 k; E- O  b2 d
内循环试了4种方法，
1. 直接调用 vector inner_product 247s
2. vector 循环点乘累加 237s
1 u% L+ Q, v" z3. float * 循环点乘累加 204s
4. 空循环 100000 次 202s
, C, Y* R9 `' ?, v# s2 \
不做内循环 200s
5 K2 Z8 S6 a' F4 g. r- ?4 j
你昨天说的对，内循环本身占比是很小的，大头在其他处理。
$ Z% `* W: E! A2 R8 I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）
. J0 ]' R# W+ ~, 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）
8 y; E$ E" B+ M) k- E8 f
- r& L4 w% x' ^$ `% d7 E4 O

        std::vector < float > vec1(N);
        std::vector < float > vec2(N);
        float* b1 = new float[N];
        float* b2 = new float[N];

* Y( Q% e7 u& E        for (int j = 0; j < 6000; j++)
        {
                std::generate(vec1.begin(), vec1.end(), []() {
* O5 z& R+ n9 T! B/ A2 t' O                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
                        });

                std::generate(vec2.begin(), vec2.end(), []() {
* p# R. o6 t3 d( V# I                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
  o3 e! u0 V4 n5 r" L                        });
0 P6 Q7 f. i( ~$ n9 U& u
                for (size_t jj = 0; jj < vec1.size(); jj++)
' y( m$ T# Q; q5 y                {
                        b1[jj] = vec1[jj];
9 A( m. o& U$ J- t. ?1 S                }

                for (size_t jj = 0; jj < vec2.size(); jj++)
' C9 S/ S0 Z! v7 Q; X                {
                        b2[jj] = vec2[jj];
+ s* X: a* t0 y. C( G  ^  A9 H                }

                //Method - 1  N=100000 247s  
3 f& s$ C* t" j                //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
                                
2 B) p/ L5 E2 ^8 A, n2 g                //Method - 2  N=100000  237s
, E0 U+ O2 k7 H6 P6 v                /*
                for (int jj = 0; jj < N ; jj++)
                {
8 S# K! b$ u0 x3 G2 O                        fresult += vec1[jj] * vec2[jj];
5 e( t" r- A4 d2 L$ C. k                }
                */
                                
                //Method - 3  N=100000 204s
$ s9 ]/ Y, }1 y' g8 N                /*
4 B% m0 I# w6 X  c* D; S5 E                for (int jj = 0; jj < N; jj++)
0 e& d/ u: O# O+ v                {
                        fresult += b1[jj] * b2[jj];
                }
% l! D" [; `9 K                */

                //Method - 4   202s
/ F! a* S; d3 I) C# Y                /*
                for (int jj = 0; jj < N; jj++)
                {
                        
                }
% g! T6 |# |: h* w- R                */
                //comment out all methods, N=100000  202s               
/ w- B. A& }: P% {; w  P; r        }

        delete []b1;
# {, _8 A: w1 w7 D0 f        delete []b2;

. M. }* @0 q, c: f9 v3 S* ]

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？
7 T; d/ _3 I4 ]

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？

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
: M0 z" h/ }4 t7 e5 O
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
. h% ?, I5 G; T7 c, p0 ]# s
不和它 ...

" T8 c$ A& Q% t$ `' G; D: j5 j5 i
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。
# G# O3 Y; t! x  c2 Q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)
) f! N" C8 T1 o5 a8 o{
7 z+ L8 S- p* }% }- W  s& L/ r        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？
# T, J& s- e$ s  m; ~! eVS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。