C++ 提速的新发现

雷达

C++ 比 Octave 慢好多，怎么破？
$ W' e) Z& `; V1 ^+ ^, u' t1 I' e
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。
* n1 z/ q" u. X3 z: l& O. r$ m9 o; r
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？
( x5 T! M* R& f7 M6 }
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

* L1 o6 R* m7 \  T4 q0 `: p

数值分析 发表于 2022-9-24 23:04
# e6 b1 K9 P- |0 q" Z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)
{
* ]* }) {$ `9 U3 S- z# b0 l+ Q        comp temp, xtimesy;
        xtimesy.re = 0;
        xtimesy.im = 0;
3 p/ `  E$ f+ E$ {8 E; B9 Y2 y2 k, H. _        int j0 = lenB - 1;
        int    i, j, i1, reali;
        if (lenA % 2 == 1)
                reali = lenA + 1;
        else
8 o, I& Q0 j( T+ j0 e                reali = lenA;
        reali /= 2;
8 J5 p4 Y" ^: a1 t' M
" N5 a4 x& I8 k( \+ [! |        int nconv = reali + lenB;
+ G6 ?/ Y' X$ F* w        //#pragma omp parallel for
( |+ j5 x2 ^' y2 ?% m        for (i = reali; i < nconv; i++)
% Z' F- K' M0 p& o8 Z        {
: R9 }! D) z& f4 f                temp.re = 0;
                temp.im = 0;
0 V' @- g- w* e* ^) \+ b& |3 Y                i1 = i;
                for (j = j0; j >= 0; j--)
8 h8 j1 D0 \: N4 x                {
                        /* floating date operation */
                }
7 J9 i7 q; w/ p) p5 t        }
, j( g, a0 D) z5 k}

. d# j! T. y0 a$ P! 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
: R" T) ?4 a5 Z9 v; Z4 R
红色部分是内循环，现在其内部操作都comment out 了, j0大概是 6000。
" v3 `# o. Y' T! r( @7 S- u现在call xcorr 100次，耗时78s.
( s% H  E' T3 \# x3 W7 i' l
9 {; @0 h: p9 x7 }& O* ~! P如果把红色部分内循环本身完全comment out， call xcorr 1000次，耗时 <1s.

雷达

风雨无阻 发表于 2022-9-24 23:33
5 _# y5 q& D2 o9 k3 `! u' GMaybe Debug mode?

  M1 C7 p/ ?( _: n! |不应该，看我上面的回复。
6 _) t- x; o8 X( J2 Z
我更怀疑是 VS 社区版的问题

数值分析

' R( s& b1 S, G3 l7 h

雷达 发表于 2022-9-24 23:54
/ c$ O" k/ V+ M+ l6 zvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
: L% ]) k4 ]7 ~1 y% Q{
        comp temp, xtimesy;

; z5 |" h9 m2 x' _$ _  Q这个不是这么比的吧。。。

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）。
8 }# V/ t* d1 ^4 W& `
) I% S# p# x+ V$ O* h0 }9 c; ?) K' a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。。。

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）。

0 y/ V. @7 h% a2 ?  s$ s
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。
& _5 [! y' t# F7 F3 T
) f$ Q8 D. a. U1 |$ L! n# X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。
- g1 @" s3 n! X: M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
$ \  v1 f  `1 g  hWhy 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
" @( Y$ H9 u1 a+ e6 j这个不是这么比的吧。。。
2 q% Z+ p( h$ T" R/ O5 h1 Q7 u
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

& u' E3 K3 G- I1 [  }- U2 \: r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

  y" t8 X" J( I$ j& m

沉宝 发表于 2022-9-25 01:48
' P1 W/ @6 p! ~5 i1 X7 D, Y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 ...

6 ]0 w# x8 f+ R3 T8 |" w
是的，兄台说的对。
0 T9 f6 x6 u; Y9 A, A- b
# G  {+ w. c$ M3 Q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。
$ y, y: w" c  j9 T" J' T" v
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。
3 W& ]9 J- H8 L1 }: }2 o
4 Z% L( K. n( \: R7 @1 w2 M+ ^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。
. }+ D3 v: y. w0 T
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

* M1 d3 c- l) q" E( P

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 ...

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。
8 O4 K5 A/ k" o8 A3 h
# F8 z5 E* J4 Q% a我已经完全懵了。

沉宝

雷达 发表于 2022-9-25 04:47
1 s; {: p) c# y/ b$ ^7 P4 r5 g9 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 ...

时间差一倍的结果可以接受。
+ j3 E5 Z* Y5 {
8 S; G6 c% ^2 L% Y7 m$ p$ r; G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
  Y& H3 [. B  d6 }) R$ Q" 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 ...

' o9 O. P- x0 H' K& `2 f

) R3 {3 |9 f2 {4 Z+ K
能不能把这个也贴上来，看看和上一个有什么不同？

雷达

/ k" t) B: W/ P. x

数值分析 发表于 2022-9-25 14:58
; e: _4 k: L% X能不能把这个也贴上来，看看和上一个有什么不同？

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.

' g* u5 O: c& [! Z6 _内循环试了4种方法，
1. 直接调用 vector inner_product 247s
( D1 D* w, a7 s3 T( s- t% I: o2. vector 循环点乘累加 237s
/ M3 Z2 S! {" }' M3 h3. float * 循环点乘累加 204s
4. 空循环 100000 次 202s

8 v/ p) p( J/ K% x+ m/ A不做内循环 200s
9 Q/ P/ j7 J0 W
$ X* K' W# B6 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。
* [+ j% z, }! P1 |2 g2 z9 |另外可以看到， float * 循环点乘累加 并不差，比用vector 还更快。
8 l" g5 i1 D( t4 j
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）

        std::vector < float > vec1(N);
        std::vector < float > vec2(N);
" z: d& y6 s! k' I- k, J        float* b1 = new float[N];
% D) X: M* w7 |! ?/ H; `        float* b2 = new float[N];

6 j. R  i: j2 r( O        for (int j = 0; j < 6000; j++)
        {
' B' I$ \$ n/ L                std::generate(vec1.begin(), vec1.end(), []() {
& h1 L9 G% Z" O2 e                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
8 ^1 t. H% w0 L7 x                        });

1 L" t+ f( C/ H                std::generate(vec2.begin(), vec2.end(), []() {
                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
4 O7 h2 w5 F: l7 _                        });
' N" n0 p$ Q5 j8 P4 H
4 [$ B' f- {( I' N                for (size_t jj = 0; jj < vec1.size(); jj++)
                {
                        b1[jj] = vec1[jj];
                }

                for (size_t jj = 0; jj < vec2.size(); jj++)
1 w' f( n8 v$ ~, P* J+ h                {
3 ^" i( \8 e0 u9 }                        b2[jj] = vec2[jj];
                }
' v' h: `6 v- H' E
5 T! W' C7 b$ K8 [  n) o                //Method - 1  N=100000 247s  
; k5 L8 L3 L% J$ R                //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
& ]7 U3 d! s5 V+ u" |                                
9 [" _" _$ g4 b+ e                //Method - 2  N=100000  237s
                /*
# i' g- ~% M  N8 a2 X                for (int jj = 0; jj < N ; jj++)
                {
5 x& J. G& C& h% E  Q$ e                        fresult += vec1[jj] * vec2[jj];
                }
                */
; W  |7 d2 l1 \: D" Y' O+ y% X                                
) t9 t6 e5 E/ g; f4 @# t1 ~                //Method - 3  N=100000 204s
                /*
6 y0 n, |+ k7 L7 Q% L: a; r# C                for (int jj = 0; jj < N; jj++)
2 }  C. u; ?$ x) L- ]% H" n( {0 ~                {
                        fresult += b1[jj] * b2[jj];
7 Y1 `0 L! ]% Y* h) G                }
& r6 [% D" x3 N. {4 B3 [                */

                //Method - 4   202s
3 p- x( G! Z3 X) z) Q/ M( p8 t# ?                /*
                for (int jj = 0; jj < N; jj++)
                {
                        
                }
                */
                //comment out all methods, N=100000  202s               
4 }" q" u7 L* }+ a! x; l4 ]1 Z        }
) w; k) ?0 ~4 c5 y1 X
% `1 u; K, ^' t; r6 ?* U& |        delete []b1;
( a, A1 [0 A, G5 b        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？
- t6 w9 ?9 e0 F5 }/ [
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
/ v" l: X: e0 T+ s4 R: x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？
# n" K7 J* M: s4 d; W! _
" j1 b  w* x  R: D. ^你第二个试验里面的j在循环里面又重新定义 ...

! Z4 f, Y8 m. a! 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
8 b4 L" F( [7 i- A2 O. t
& h2 z( s6 m, H( y: R: @0 f; f; P# ?* m不和它 ...

  p& P: M& v, m5 q
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)
{
/ M1 Y; o; x% o: O' {$ Q; n        comp temp, xtimesy;

* U- E+ F& q5 @8 _+ |' \8 G2 c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。