C++ 提速的新发现

雷达

C++ 比 Octave 慢好多，怎么破？
. R) X5 w6 }' u$ p: S7 H( ^7 d
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。

; @( a/ U& P6 Y, ^' {0 W速度优化问题真的很有意思啊。
* ?6 d. f  g- m+ }
) {4 `0 o3 j0 c; u9 s" n欢迎大家继续讨论

数值分析

拉下来？拉多少？
  x9 S2 L& g* n: Q, g9 B把代码贴上来看看？

' O$ c; i2 ~0 D3 N2 W/ j5 |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

; Y7 [! o+ Y7 t5 S1 p) S3 u

数值分析 发表于 2022-9-24 23:04
) y! r. l, x6 l  p拉下来？拉多少？
. S% y* e" ~1 p5 [5 D1 q/ h0 ]3 p把代码贴上来看看？

void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
9 Z5 v8 [- p$ X' e) O4 x{
$ f9 T: m7 n( y2 N# U, ]        comp temp, xtimesy;
        xtimesy.re = 0;
        xtimesy.im = 0;
        int j0 = lenB - 1;
) Z6 d% o' A3 X+ P4 B% M) {0 d  G        int    i, j, i1, reali;
        if (lenA % 2 == 1)
                reali = lenA + 1;
        else
                reali = lenA;
, f: Q6 `1 d8 y        reali /= 2;
& Q8 k7 Y2 [# a; u! P- y" w
        int nconv = reali + lenB;
& Z7 z* N1 g7 a! C9 \( l        //#pragma omp parallel for
        for (i = reali; i < nconv; i++)
        {
                temp.re = 0;
3 L0 R% ]) \9 O% y! Z2 G0 @0 B                temp.im = 0;
# J1 n2 Y3 c- b3 I                i1 = i;
( X6 M- _" ~" a8 V                for (j = j0; j >= 0; j--)
( {% I. O- Q. V* ]6 U( O                {
/ G$ @) E) X7 m                        /* floating date operation */
                }
        }
}

8 i  r* p: w4 m! U' Wxcorr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 [, d0 I. H- l' D" L' F6 H! _
/ T8 c: r: T+ @6 [) R% p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.

, |+ s* `0 I" U7 T. v

雷达

风雨无阻 发表于 2022-9-24 23:33
2 s. m7 z3 |2 ~2 U9 d* IMaybe Debug mode?

9 U: v5 o( Z9 ~$ L" a不应该，看我上面的回复。
. }3 e- t7 y! d& \* {
8 Z) H; n; S, Z, w: U% R' 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
: e8 D6 `' A$ t& h4 H( Y1 vvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
3 n+ Z5 u$ U, v{
        comp temp, xtimesy;

2 X+ ~9 d" b+ _/ i9 O% h
  S8 p9 l" f1 A5 q; y* r2 V这个不是这么比的吧。。。
$ @8 T$ |8 F1 z' H
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）。

! S" |+ w$ u/ \( ^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

! R* J- n  ^1 m; I% \. D. b

数值分析 发表于 2022-9-25 00:20
这个不是这么比的吧。。。
5 E5 E- u1 b$ _+ t
% }5 J9 L6 T+ R' F* w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 L8 E2 t: u5 J) R$ ~8 |
有道理。
/ y9 Q9 N0 ?  D* a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。

+ H- m/ ?+ @7 r- g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
8 C# a8 l0 I5 l, z( p3 M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 ...

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。。。

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

& O8 O. N0 E3 q1 q

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 ...

9 Z9 x% u% N4 @) H
4 o) b+ |1 L3 l6 Z/ G$ Z0 S是的，兄台说的对。
+ K2 {6 b/ s& t, V9 n' [. ?" \
# Y( _' a/ e. b% [+ y$ ~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。

! O8 l* X$ z% s( r3 F  R6 `2 X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
# h; d# c7 n5 [, ^! h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 ...

; K, B( A: b( P" E2 _& t: w$ h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。

9 X3 k$ t& K( }( L+ ~% r) D1 e我已经完全懵了。

沉宝

雷达 发表于 2022-9-25 04:47
* ]7 I) a- _; y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。

) e7 N# h$ w2 C: D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 ...

4 j* L/ n( i, v( G
能不能把这个也贴上来，看看和上一个有什么不同？

雷达

2 F6 V$ y3 d0 f* p' z

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。
! d- G0 P" a3 i7 {6 P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.
8 D& Y  _% r/ q4 G
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
* t1 y4 o: E+ S4. 空循环 100000 次 202s
+ B: L- {" m6 Q
不做内循环 200s

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。
, X! K' x2 {; B9 _4 G, x" Z3 T
0 R$ j" ~  a3 X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）
9 k. m( m  `5 ?5 l6 A, o
7 \3 G* i" w' V6 E" v（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）

/ D, Z0 @5 w, B- {" t+ }4 K5 a$ Q

        std::vector < float > vec1(N);
        std::vector < float > vec2(N);
        float* b1 = new float[N];
+ c& s4 K$ }$ b# z. X! f, ?  B        float* b2 = new float[N];
2 Q; k8 i. g/ o, m: l; x3 S. K
% X/ d  d$ s$ A. r        for (int j = 0; j < 6000; j++)
        {
                std::generate(vec1.begin(), vec1.end(), []() {
3 \% V4 D" Q& I: S1 l3 L! Y3 v6 A0 Y                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
$ r$ J. v+ {5 J+ J* B( G3 j8 K                        });
; c4 ]* B" A5 ^# d, x) {5 q) q9 ^- H
                std::generate(vec2.begin(), vec2.end(), []() {
. Y! v- S3 i& r& P0 f, Y7 q                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
                        });
! N0 B9 |$ ^) d2 ^
6 m5 e9 I. O+ R0 T% k                for (size_t jj = 0; jj < vec1.size(); jj++)
5 t5 ?6 K! `% M0 q; P& J# Z                {
                        b1[jj] = vec1[jj];
                }
9 E: f7 U! k- w$ U5 O5 y
) q) n1 ?2 ?3 s, r2 U4 Z6 K0 A) \8 U                for (size_t jj = 0; jj < vec2.size(); jj++)
: [/ z: {( J" H8 U* f/ ~                {
* L, D& Y$ r1 `) x% ]                        b2[jj] = vec2[jj];
  z& R1 H! S7 q0 x9 ]) _                }

3 j9 r1 S2 U) x/ `                //Method - 1  N=100000 247s  
' b/ I9 R$ a3 |0 B* R0 w                //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
: a& W6 V' Z- I3 ~4 n) I                                
                //Method - 2  N=100000  237s
                /*
4 |. |/ r1 G7 s8 \# H                for (int jj = 0; jj < N ; jj++)
                {
# P: s& H2 ~9 t! j2 [, B0 n! h* g' F                        fresult += vec1[jj] * vec2[jj];
                }
# ?$ `8 n7 x7 X" l% q                */
                                
  T* Z( R3 V# I1 M6 j0 S. ]: N8 r, n                //Method - 3  N=100000 204s
                /*
                for (int jj = 0; jj < N; jj++)
                {
                        fresult += b1[jj] * b2[jj];
                }
                */

5 T, Y' r3 p) y5 y4 m: q  m                //Method - 4   202s
8 \1 H7 u0 z* L  o. I% I5 `9 L                /*
                for (int jj = 0; jj < N; jj++)
                {
                        
8 U5 v2 W& n) H% R: A                }
+ b& U) t4 U) S" t5 d3 G9 T                */
                //comment out all methods, N=100000  202s               
        }
7 O+ y7 W2 D3 Z
        delete []b1;
: b+ V' v* h) E' q        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？

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？
6 c% V* A3 r. {2 v* B, H& Y/ L

雷达

机器猫 发表于 2022-9-27 00:15
4 [# G' G. B3 B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 ...

/ g; X# V! J" z7 U0 a" V+ e5 a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

! f6 i$ s7 V* ^( x9 {& L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
+ ~$ z- q% s) Q' W' S" ?5 a" P
不和它 ...

. _8 a' {/ A. B6 j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)
2 F; `) p; v. M; d{
        comp temp, xtimesy;

) V' p. I; J( @& O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？
% I) a3 f! O/ o$ ^* nVS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。