C++ 提速的新发现

雷达

C++ 比 Octave 慢好多，怎么破？

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。

欢迎大家继续讨论

数值分析

拉下来？拉多少？
2 H  l0 B" Y$ F- u- N把代码贴上来看看？
6 g. s/ U+ e. Q, v
: q# @1 h% D1 g) g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

: Z* x$ w6 y+ _( G

数值分析 发表于 2022-9-24 23:04
1 w6 D* n. \6 v$ C拉下来？拉多少？
: S  s# {1 `0 H0 c4 j% Z0 Y) o把代码贴上来看看？

9 ^$ s, O  K- y& B$ P0 `3 u
# d; E+ S, ]6 V' t9 G6 Svoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
$ [& G$ Y5 T& t/ `) o( c        comp temp, xtimesy;
        xtimesy.re = 0;
        xtimesy.im = 0;
        int j0 = lenB - 1;
: o  J- \. M5 U        int    i, j, i1, reali;
        if (lenA % 2 == 1)
" q5 U; p7 o2 `3 N) k' A                reali = lenA + 1;
        else
  @0 R% m9 ~1 P5 p  w                reali = lenA;
+ L! Y5 D: Q3 L5 Q. W3 C        reali /= 2;

        int nconv = reali + lenB;
        //#pragma omp parallel for
, i" i0 B( K: {# {5 f# q- p  F        for (i = reali; i < nconv; i++)
        {
                temp.re = 0;
                temp.im = 0;
: W7 \3 x. Y3 I4 Y3 C3 q3 ]2 g                i1 = i;
: R* P3 W. p( Q6 J( f                for (j = j0; j >= 0; j--)
                {
& }3 i& d! X# }5 r% T& f1 ^                        /* floating date operation */
                }
& |' p: [1 H, J0 u" z( f1 k        }
}
) K) D3 M* _( W/ f
! v- z1 R1 H0 l2 Mxcorr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
: Z, Y3 z+ `7 l$ [* d, h
红色部分是内循环，现在其内部操作都comment out 了, j0大概是 6000。
/ [  V% [+ K% G* }& _0 o, s2 V现在call xcorr 100次，耗时78s.

* F7 I5 }/ _! M. o# t+ n. y7 u如果把红色部分内循环本身完全comment out， call xcorr 1000次，耗时 <1s.

1 u* I: k2 s/ z0 H

雷达

风雨无阻 发表于 2022-9-24 23:33
8 m5 ~& L( I* I( Y, F) xMaybe Debug mode?

* j* R1 o2 {* U, s& H
. h0 w9 p# q5 }0 N6 ?* E6 j不应该，看我上面的回复。

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
, R- q# @9 f3 P8 A; s' A* T3 Tvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
' w+ D1 Y$ ]2 |3 c* S: V        comp temp, xtimesy;

% ~% N3 Y- a9 `* X7 ]
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）。
+ n6 L" H. h# u4 }+ l, q) V- d8 g  L
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。。。
7 I( w. Y- C! J0 D
( v2 i+ N! U7 y. F3 D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）。

5 Q; H7 H- C8 S5 X0 e5 D2 a
有道理。
$ E; |1 B9 q% d1 C: 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，记得 numeric 库里有算向量内积的，我回头试试。
2 w3 {9 ^( j. ^5 c) M, t$ C
% G9 b0 _" s: w# v5 N* @9 V, C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 ...

) S' h' t9 h  M2 i0 }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。。。

3 E  ^  }. T' N8 c- s6 ^) x  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）。

而加上内循环，光jmp和dec指令就至少多执行了6000个

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

% R% q# e6 F' ~6 v3 Z7 B  }- }1 i

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 ...

6 U3 ]3 I/ Q% o8 G
是的，兄台说的对。
% i* Z+ [5 G* z- J% Z2 f# z
/ [+ i" t( \  d* _% ~* ~, s! h3 v& X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。

# e1 F! n% X' h# U8 p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。
( I5 V! |7 {$ C9 k- T: n3 c" h
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

沉宝 发表于 2022-9-25 01:27
$ f& u: c2 j9 G& p9 n  s3 I( R* u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 ...

' c9 g* S: m+ Y
, U4 h: F1 Y! d# J& n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。
, D* n" }; q" `" ~
我已经完全懵了。

沉宝

雷达 发表于 2022-9-25 04:47
8 q/ u/ ^; s8 {7 ^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 ...

" [  E# A3 `/ M1 u" \) \时间差一倍的结果可以接受。
4 f: z4 M7 A3 z& E( N
& }* `1 f. Q0 J2 G你还是用profile工具看看吧。现在大家都主观瞎猜。

数值分析

0 ^! [, ^5 ^# j

雷达 发表于 2022-9-25 04:47
. n9 u  z3 a% B7 r( `( x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 ...

: ^- w3 D! l, s# A# Y

- R+ h2 c) u/ ~
能不能把这个也贴上来，看看和上一个有什么不同？

雷达

' m* q* C6 S2 h3 q3 b. @' 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？

理了理思路，重新做了一个测试。
- n6 `+ l( G2 i! e( D做了两个 vector 和 两个 float *, 都长 100000
# f/ t5 ^; |, a2 B& F, V% l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: @1 e- V: z  q内循环试了4种方法，
/ x3 V" u; y5 U1. 直接调用 vector inner_product 247s
2. vector 循环点乘累加 237s
' O# u3 W9 H- M  n, v8 W3. float * 循环点乘累加 204s
& T/ C3 w$ w, n8 u& q) P4. 空循环 100000 次 202s
* d- {2 G& Q$ x* d/ Q5 t
! V0 v7 C! n( i  ?不做内循环 200s
$ j$ u9 W( C( ~3 G
5 A% e6 `, V4 @  Q2 c+ U, w0 T* g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。
. z% d5 p8 O3 \4 W8 B! P
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）
; a2 W/ A) ^4 C5 n6 H
' e9 J0 L5 N1 O

        std::vector < float > vec1(N);
" K6 S% V, j( s5 `: p7 k$ x        std::vector < float > vec2(N);
        float* b1 = new float[N];
% R3 m# ^" O+ w% B8 ]" [% W        float* b2 = new float[N];
  Y2 O- \2 g/ N$ u9 |% H  I
$ e/ E* b! \' K        for (int j = 0; j < 6000; j++)
. E  }* X' {1 M3 T# `+ P+ @1 S        {
                std::generate(vec1.begin(), vec1.end(), []() {
                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
                        });

$ m- S& [! h; p                std::generate(vec2.begin(), vec2.end(), []() {
5 D. D3 S4 O& z( g                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
& Y; _% t7 J2 v- O  L& L                        });

  P0 D: m& Q' D7 \1 ?, }                for (size_t jj = 0; jj < vec1.size(); jj++)
                {
                        b1[jj] = vec1[jj];
                }

9 s1 C0 h6 e5 w  u                for (size_t jj = 0; jj < vec2.size(); jj++)
                {
                        b2[jj] = vec2[jj];
                }
0 Z2 D& f# {- f6 v
, e. H* F/ E3 o9 G" C; l                //Method - 1  N=100000 247s  
$ g2 L2 N1 N% ^% `& P3 u% X                //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
5 U2 i: w1 Y6 b' |" l" S! P/ O$ x                                
/ \9 O4 ^' X* \                //Method - 2  N=100000  237s
                /*
6 C% [" H" x/ f6 o& H/ v* J                for (int jj = 0; jj < N ; jj++)
                {
                        fresult += vec1[jj] * vec2[jj];
                }
% `1 F' D/ ^  L* b! l0 _" ^                */
                                
                //Method - 3  N=100000 204s
                /*
                for (int jj = 0; jj < N; jj++)
6 G$ {3 V* F$ b7 l  ]$ Z                {
                        fresult += b1[jj] * b2[jj];
                }
1 M% m! X0 a4 \4 {* D                */
$ N* X& K- {/ i" N  k" n* G# e
                //Method - 4   202s
                /*
6 `3 f1 N: `  i/ Z, `                for (int jj = 0; jj < N; jj++)
+ c) M. L0 y8 j. D) L+ U3 |                {
2 [( C" Q& x1 d, u1 x  L, T                        
/ }1 W/ V7 |6 O: l                }
                */
                //comment out all methods, N=100000  202s               
        }

        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？
9 t# }  f5 s2 D
5 K7 G1 O4 e3 o, }- j& J4 _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？
0 p, a7 q( N( M  D
" H. W( b; P, ~2 Q4 `: Z! _4 A/ ?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

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
9 _5 ~: k6 s  ~( f! @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
& s* X0 c: A! [$ H# `5 f5 f
1 F( M4 _! U  c不和它 ...

- E$ v7 D/ W7 m$ B) N
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)
{
4 g2 c7 a1 n' k9 Z! K        comp temp, xtimesy;

% Y: ~  o/ m1 ?$ ^7 K' 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。