C++ 提速的新发现

雷达

C++ 比 Octave 慢好多，怎么破？

, y8 C0 z5 m8 T& K* 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。

# x' J3 ~( J5 R3 Y6 S' m速度优化问题真的很有意思啊。

欢迎大家继续讨论

数值分析

拉下来？拉多少？
5 `7 N: e$ L  {& A% n把代码贴上来看看？
, r  m" ^) ]3 N, l9 ]6 C0 p9 X
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
5 A8 u3 Z1 _6 K+ x; v5 ~8 N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)
{
) o; Q5 E  ^6 `6 x0 e( T4 ^2 a        comp temp, xtimesy;
        xtimesy.re = 0;
* v) c: \& V6 H* W. D; ^9 ]. f/ O        xtimesy.im = 0;
        int j0 = lenB - 1;
        int    i, j, i1, reali;
        if (lenA % 2 == 1)
5 B# e# ~) S' I/ s' b) b                reali = lenA + 1;
        else
, H6 M- F8 R4 w0 {                reali = lenA;
        reali /= 2;
! @; J0 @$ V2 f4 _3 O7 f
2 m, i' v( d1 y& q$ l4 z        int nconv = reali + lenB;
8 _- _; @8 z3 ~; c1 N        //#pragma omp parallel for
        for (i = reali; i < nconv; i++)
        {
# j% d9 a7 ]8 ?  B0 t6 ~) p                temp.re = 0;
7 a7 f3 P) V/ N" T& {* f+ @                temp.im = 0;
                i1 = i;
                for (j = j0; j >= 0; j--)
, H: k0 R$ z0 V+ k                {
8 B& {; g. B  s& |6 P6 }# T                        /* floating date operation */
                }
        }
}

! }, Q7 z4 Y/ h8 \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" L) ?) }) B8 Q6 }6 G6 k
红色部分是内循环，现在其内部操作都comment out 了, j0大概是 6000。
2 l" ~" T9 P4 R; K; N现在call xcorr 100次，耗时78s.
; R/ F& C0 j9 L: k3 Z+ x
% B8 U/ Z+ B/ B) b5 Q# f如果把红色部分内循环本身完全comment out， call xcorr 1000次，耗时 <1s.

2 p1 D  V2 k( _6 X

雷达

风雨无阻 发表于 2022-9-24 23:33
7 L0 o- i# v- M2 `+ D; S5 O9 N" NMaybe Debug mode?

不应该，看我上面的回复。
, n7 d6 V. B# b) d" B6 _
( p# w+ r( Q+ B1 d/ I" R4 S6 T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
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
  `. K2 o# e' F" i* Z2 S! q. i! u$ X{
! \4 H/ V3 f3 V+ N) n3 X0 u- o        comp temp, xtimesy;

这个不是这么比的吧。。。
2 \2 ?* }# o( K, e; z1 ~
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 m- e7 @  N2 T% D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

$ {* {7 i  g5 G5 }

数值分析 发表于 2022-9-25 00:20
2 g" _. |/ c; Y$ U5 d  G# A  R  C& y这个不是这么比的吧。。。

1 ]' J1 n' {9 X# V  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）。

& a7 H* i" C% K3 m6 o( i; s# u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。

% M  I3 Y' I: c" 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
0 Z5 V" w  `6 f1 p6 M有道理。
) U. s- q3 v; P  b% X/ s2 \! Z( S/ [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 ...

) O$ N9 o8 _7 ^2 i$ 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，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
这个不是这么比的吧。。。

5 F: q  C7 y, D( X, m( z! k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

8 I" y+ m- [/ q6 D+ x4 u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 ...

! F# |/ n! K# B# E8 W8 ]
是的，兄台说的对。
* P1 ~/ B: R- N3 K" F* v  v1 ^
/ I( G' L. d, T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。

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。

1 G8 V* S. X# _" 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

7 m! Q. t0 K( ^& p4 g6 D7 i

沉宝 发表于 2022-9-25 01:27
2 m% h1 S# ]3 q5 W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 ...

9 J7 L1 m2 ]& `# {9 Z- N' l, o! w" W
8 b' S4 U4 V2 h" k1 F3 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。

- C% W% Q& N7 a# m) u2 M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 ...

4 }2 ?0 M# N4 M+ X, b1 u% w时间差一倍的结果可以接受。
" M6 H! j9 B, e" Z" ^* t  D
$ ]! @  i! S1 D: O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 ...

3 \' P/ R( H3 X( w8 N

能不能把这个也贴上来，看看和上一个有什么不同？

雷达

0 @. q, H8 C; p  p7 g& s9 n

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？

7 \) J7 s* k  R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 K: x2 g) A" U: o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.
! j8 V' `, p8 n( O- n9 E! ]
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
3. float * 循环点乘累加 204s
5 E2 ~; b0 f9 F: p4. 空循环 100000 次 202s
6 n" Q  v) ~; i
0 A; ?) V  ~( t; Q6 S0 \5 k  n不做内循环 200s
3 U5 A% p: @3 @3 V' E) S1 q9 ]: L/ 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。
3 ~7 Y0 e0 `: k2 h0 T7 E另外可以看到， float * 循环点乘累加 并不差，比用vector 还更快。
$ s; O- g, R; Q
4 i1 \) s  _. g8 p/ I( O1 u0 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）

6 h3 v3 K0 t% q! }4 r  `4 ^5 \$ q（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）

6 Y' G; |/ |) Z/ y# _; D( }, G* F

        std::vector < float > vec1(N);
0 X1 V0 K5 A0 e' _" ^. s1 B        std::vector < float > vec2(N);
* b! G9 h7 K+ [5 G        float* b1 = new float[N];
) R' v) ]3 _1 U7 W9 V. A* u        float* b2 = new float[N];

8 O% {$ H/ I9 K. g1 ^6 N- d* U        for (int j = 0; j < 6000; j++)
1 s9 [9 d; ?) l1 \3 X5 L5 |        {
                std::generate(vec1.begin(), vec1.end(), []() {
) F: B1 E+ K' l4 U                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
9 S2 f  [2 A/ t6 p: p! w7 n* S7 p                        });
4 Q  P& U' |8 G  z; o
7 _1 v7 H: ]- d: X0 C' P$ I5 \" x* t                std::generate(vec2.begin(), vec2.end(), []() {
* T( {; O( o! m/ g+ Z                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
                        });

4 I: v3 A1 G! c2 \- Q) ~% K                for (size_t jj = 0; jj < vec1.size(); jj++)
                {
7 Q8 `# C: G) {                        b1[jj] = vec1[jj];
) l9 B, U* w1 R) x6 w( e                }
6 M0 L9 S  i1 _' Z5 N5 [. _) w
                for (size_t jj = 0; jj < vec2.size(); jj++)
# r& }. i/ r7 U2 D                {
                        b2[jj] = vec2[jj];
                }

                //Method - 1  N=100000 247s  
" s) {" k. @# ^$ X0 n2 d* k# f0 k                //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
) s* B8 @0 }& w) u7 t- K1 F. L! I6 L! L                                
* d0 H9 Z0 I& k1 Y# \: F                //Method - 2  N=100000  237s
) ^$ ^( ~0 j0 G6 h) _( ?3 ]  A                /*
                for (int jj = 0; jj < N ; jj++)
                {
& S1 f5 `  _" v2 J4 _2 B                        fresult += vec1[jj] * vec2[jj];
                }
                */
                                
                //Method - 3  N=100000 204s
$ Y( C& a" [3 K' ~( H7 S4 ^                /*
. g( s( C: M! Q0 ?                for (int jj = 0; jj < N; jj++)
                {
                        fresult += b1[jj] * b2[jj];
, y: W" p( ~  O# \' V% a                }
; M) v% Q5 Y8 E3 L( X6 ?, z                */
5 P% n# g& o$ B4 B1 Z, e4 z' n
" e# }. D5 r. P% I* u                //Method - 4   202s
$ B4 r5 ~2 x) z: f                /*
9 G' D3 a  y4 R6 c3 k                for (int jj = 0; jj < N; jj++)
                {
                        
8 Y8 F# d- O! H3 j                }
0 J2 `7 y4 e6 v; g' M6 u6 M# `$ E                */
8 s" F# `( B, V( ]$ K                //comment out all methods, N=100000  202s               
        }

        delete []b1;
        delete []b2;

% s3 }) t: p' b: U2 E! Z; r

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？

雷达

机器猫 发表于 2022-9-27 00:15
/ N& Z$ @* y3 w! x% l) N$ U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 ...

5 d3 W( u' `- b# f' U" u! ]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
+ x$ G1 F% Z  r5 f
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
" h& U2 E* i: L2 |7 C+ l! @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

' V  R8 E, t; v6 p$ _不和它 ...

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)
{
        comp temp, xtimesy;

# A, H/ V( D* T# T- R/ a6 k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。
' W0 S+ L/ B3 m2 a! P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。