C++ 提速的新发现

雷达

C++ 比 Octave 慢好多，怎么破？
! J9 H  x& f. D$ Z# e$ \2 T$ ?( T/ N
) w0 M0 w4 l- y$ a3 U  U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。

, ~# F- C# z0 d7 |欢迎大家继续讨论

数值分析

拉下来？拉多少？
, u) G2 |7 @2 M8 M1 b& G/ K把代码贴上来看看？
8 i# z6 M4 ~/ w- d
" ^7 r/ t2 y  H! ~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

( ?& _& k& v; G' J4 N* ^

数值分析 发表于 2022-9-24 23:04
8 z# {% q1 X% |拉下来？拉多少？
) ^4 G. m+ H+ ]7 K( A5 E% O) b9 t6 M把代码贴上来看看？

3 h0 W6 s/ h# x! n* `4 _9 k
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
  f; ^3 |6 V( H9 t/ z0 o. G) s' ~% Q{
. v8 s6 m+ K  d) H        comp temp, xtimesy;
        xtimesy.re = 0;
        xtimesy.im = 0;
        int j0 = lenB - 1;
        int    i, j, i1, reali;
        if (lenA % 2 == 1)
                reali = lenA + 1;
        else
1 L$ R7 y/ o/ v) G2 F$ I1 f                reali = lenA;
        reali /= 2;

        int nconv = reali + lenB;
# U  w" G! E' F( c3 Q        //#pragma omp parallel for
        for (i = reali; i < nconv; i++)
+ n+ z7 p+ l( y        {
5 ]: \+ ~  }8 _4 Q9 r# Y                temp.re = 0;
9 J4 g+ N6 G- i# z* ~1 }" e, Q! U* n                temp.im = 0;
% I2 Q5 b( K+ Q% N5 O9 }                i1 = i;
                for (j = j0; j >= 0; j--)
$ ^, ]- G: a( d7 @1 A/ Z( t" w                {
                        /* floating date operation */
                }
7 [1 ?) _, b5 [        }
; E# c+ o. R- H/ V4 _4 `}

# f6 t8 `  C) U+ Z) e% t4 fxcorr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

6 X8 w" ?  e2 t% b: e* 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。
现在call xcorr 100次，耗时78s.

如果把红色部分内循环本身完全comment out， call xcorr 1000次，耗时 <1s.
0 N8 }' a% Q+ A1 s* `. o8 `
( K: s! r* G* T5 u  [

雷达

风雨无阻 发表于 2022-9-24 23:33
Maybe Debug mode?

' m* O( |5 O; o; z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
" V* n  ~* t6 n" D2 {void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
        comp temp, xtimesy;

& v  g+ H# M# c" `这个不是这么比的吧。。。
, g" h, n! C3 V! O1 p$ B; \
- G! ?3 {" L- U# t* j  U3 Y+ p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）。

) r: u) ~+ Z+ u7 e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
0 Y6 I% J3 X9 Z* j4 w这个不是这么比的吧。。。

5 G: M! N5 E, 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）。

7 H! y$ V, l( v. W
有道理。
' b9 Z3 L' f0 G4 s( P& p2 \- D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。

0 g+ z/ }. b5 c4 d$ r+ R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 ...

% C/ G5 ~$ ^: Z% W9 |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
4 S! t& q  D/ Q6 mWhy 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
2 j" z# ^; d4 t% @这个不是这么比的吧。。。
6 T: I4 T1 ]* B" K3 A
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

+ P0 ]# |: i+ P) c3 E* U7 b
; i  M$ s  @& `2 k( g: Z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
9 E2 Y* h- o4 \0 U. N) x) F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 ...

; \  T, |, m0 P/ x
是的，兄台说的对。
5 k: e) G3 Z- i0 L
! n5 K3 n% L; M7 c3 l3 c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! k1 }8 z" w7 m& I
" t! m. F4 ]2 q/ {5 @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。

9 a; R, b! j# N! S9 a1 U- g+ B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。
3 I! Q; l* ]  [. t
6 b3 c3 u" j1 V$ Z: ]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
6 C) w, m3 b" O7 \& N" a: S8 {7 R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。

# d7 p7 Y. t- r4 U8 `$ ~- S0 p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 ...

3 U6 o/ I4 e5 k5 @5 }2 Y2 {时间差一倍的结果可以接受。
  m  q# H( @0 K% s' x9 f5 L
/ y' l# t3 ~3 @2 ^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
  h6 l( N  ^! 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 ...

& p4 k, G6 s( C; @
能不能把这个也贴上来，看看和上一个有什么不同？

雷达

) R& s1 O5 [' F+ T* F* J# {

数值分析 发表于 2022-9-25 14:58
: q+ r3 k3 o2 n7 D# P% |能不能把这个也贴上来，看看和上一个有什么不同？

3 B8 ^. a9 \% {' a理了理思路，重新做了一个测试。
0 L3 n* `- O* Q/ u5 m+ a+ X  j) y* [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.
1 t+ H2 y& I: _) `' u% s3 @* M: @- T
内循环试了4种方法，
  y5 I& K' @3 p1. 直接调用 vector inner_product 247s
2. vector 循环点乘累加 237s
$ q. y; h, V, w8 R( H: o' a3. float * 循环点乘累加 204s
1 M1 |1 K: l7 U7 }6 I1 w* Q4. 空循环 100000 次 202s
. p3 I4 l+ d5 k/ Z: Q( T* H- Z
不做内循环 200s
+ L6 S4 \1 v% e
2 w. B2 G' b# [$ I/ U7 e2 ?你昨天说的对，内循环本身占比是很小的，大头在其他处理。
! G  [/ I( Z6 r1 L2 ^; w2 a4 [另外可以看到， float * 循环点乘累加 并不差，比用vector 还更快。
- f/ Q. O, l( Z1 d% i
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）

! U9 c/ D( g4 f) Y& s（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）
' T6 i: @. M6 C  _" |
' Y6 t) }) X  t# e4 s# ~

        std::vector < float > vec1(N);
5 G$ J0 E5 @' B; e0 M2 A" T        std::vector < float > vec2(N);
        float* b1 = new float[N];
        float* b2 = new float[N];
& W6 b0 g( L, u8 S) W9 u' I9 |
/ r& N! s& |1 d! q        for (int j = 0; j < 6000; j++)
        {
* F& K  R! Z* r9 @8 V7 i! S                std::generate(vec1.begin(), vec1.end(), []() {
                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
" z3 P& D  ~0 I8 A. u/ z( o                        });

7 [9 T& L$ }$ L' l  z                std::generate(vec2.begin(), vec2.end(), []() {
, _# P) j2 x1 K3 }                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
                        });

# k  g7 L- o9 b% X) x. G' R: ~2 g& U                for (size_t jj = 0; jj < vec1.size(); jj++)
                {
                        b1[jj] = vec1[jj];
                }

                for (size_t jj = 0; jj < vec2.size(); jj++)
: f6 e- j1 W, B: c) O                {
                        b2[jj] = vec2[jj];
6 J2 {8 _' r1 V& b; q8 e+ v3 Z                }
6 }, g' ~7 V2 ?
                //Method - 1  N=100000 247s  
! s/ _3 W/ W2 O  r5 k+ Y                //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
                                
* z/ v6 Z1 }+ S1 T% e                //Method - 2  N=100000  237s
                /*
                for (int jj = 0; jj < N ; jj++)
* m. X, T6 F7 `( G                {
                        fresult += vec1[jj] * vec2[jj];
7 L  F; g' a6 \5 z; V                }
" T4 ^. _8 U$ @5 h( j                */
                                
2 K& p* y8 \5 R/ n, S* Q                //Method - 3  N=100000 204s
                /*
                for (int jj = 0; jj < N; jj++)
2 ]: M' l& {, C" W                {
& t, x! C! \! Y/ }% E( H, Y" I                        fresult += b1[jj] * b2[jj];
                }
6 O% ^8 F( t9 U0 l# ]' g3 n                */
- A4 v% G8 d+ F: Q! Z/ z9 h6 q% ~
# T( J7 k: J' t2 N, s: F                //Method - 4   202s
* ~" v% s) T! d  m/ }- l" ?                /*
' w" |$ V) Q2 o" \1 b+ a                for (int jj = 0; jj < N; jj++)
; ~' b1 b/ `! I- w                {
                        
                }
                */
' P6 t' ]. ~! [- i* l                //comment out all methods, N=100000  202s               
        }
+ N+ y( X) O& S  O. B9 W2 r
        delete []b1;
        delete []b2;

9 p/ V+ c- k5 T& n0 i

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？
1 j4 X0 s$ N- w. }  _" o6 T

雷达

机器猫 发表于 2022-9-27 00:15
3 g7 r% }# \. p0 ~6 f0 m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 ...

* _, O/ \( u' B7 G& E) d# D8 c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

不和它 ...

/ F7 G2 U3 N) E0 L
4 J# ^) a0 |* @( `1 o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。
+ B3 X+ [& f+ V" d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
* Z" W" V& K+ x, @% f/ [+ I- J& I; K) }4 Cvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
8 J; V3 J7 K4 k5 B+ H' 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。
6 _" L. q  x6 a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？
7 @# h- ?, A% G, D: t( kVS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。