C++ 提速的新发现

雷达

C++ 比 Octave 慢好多，怎么破？

& T3 K& Q# k! C) S( n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" i$ a. _* s5 X4 X& @% Z9 x
" d- h# U& L% V# o3 K$ U! F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？
把代码贴上来看看？

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

; A# Z5 E$ W6 V" x0 [. j* [

数值分析 发表于 2022-9-24 23:04
' _# }$ ?2 v( t1 N1 r9 f# D- q1 r0 U拉下来？拉多少？
把代码贴上来看看？

* G6 u9 H6 S/ {6 Y2 q7 v+ ^$ `9 qvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
- F" \  M* n2 @{
        comp temp, xtimesy;
) S* ~+ t8 t( y1 S3 Y        xtimesy.re = 0;
        xtimesy.im = 0;
% y9 n' o6 J1 B  K& v: {5 ~  x        int j0 = lenB - 1;
" r6 e; I* T6 H5 j0 ^$ d  G5 ?9 m        int    i, j, i1, reali;
+ ~3 J5 q8 n  Q$ q        if (lenA % 2 == 1)
1 j9 W+ Y( c: C                reali = lenA + 1;
        else
8 f) m- c5 e3 E1 ?. N% _                reali = lenA;
/ i- p# v5 Y" ~        reali /= 2;
, O- P3 }( ?, f6 M5 |
$ V# w7 Y) I' S4 R- Q        int nconv = reali + lenB;
        //#pragma omp parallel for
# Q0 W! h0 H7 m3 n3 K1 E        for (i = reali; i < nconv; i++)
        {
                temp.re = 0;
                temp.im = 0;
1 f! ^* M3 Z3 b0 U                i1 = i;
                for (j = j0; j >= 0; j--)
. J+ [% ]2 m- j0 ^  I                {
. A. P7 L- z% \9 y, O                        /* floating date operation */
                }
        }
}

- Q( Z: Y! z; o, C1 V: xxcorr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
9 ]# \- X/ `$ @* h* F( y+ k( C
4 W- [3 |+ _/ c* k3 A: k7 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。
. d* j$ |1 b2 p+ `7 |4 [6 W& Q现在call xcorr 100次，耗时78s.

( e; L5 c! H+ k- ~$ h4 b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
8 b1 Q5 ~0 k/ m" n4 oMaybe Debug mode?

# ~% F  `7 C, G; T+ _  |% j
不应该，看我上面的回复。

8 U5 e# f0 `4 C# M7 _6 ?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
, M% o' z2 K2 q( n, a) x' }7 \void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
* C# Q& U4 M6 T" [9 C{
        comp temp, xtimesy;

% v! X# Y/ _) j) Y* I2 g3 ^6 F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）。

! m7 P0 A# h; r/ J+ W5 M  d$ I0 v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

% L/ |0 a* z8 E& J5 m

数值分析 发表于 2022-9-25 00:20
这个不是这么比的吧。。。
; S  a; M; ?# l2 |
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）。

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。

# Y# @' z1 O* \  U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 ...

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

& |( v1 E" \* @
% p8 h; e' ?0 @* I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 ...

$ N4 z- Z& O- a. ?1 V5 E; a是的，兄台说的对。

0 w- R. F" W5 m7 A4 d7 q, 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。
- B+ U  I0 Z! S4 S0 |  L- _
. b/ l3 e- e. k6 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。

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 [* X0 `6 \3 N- k6 j. a, 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 ...

- l8 |# {( ?+ 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，时间差一倍，我上面这个差的太多了。
8 n2 k: q& s8 l( `* ?" i$ ]8 h
' C/ K2 |6 |; v% y我已经完全懵了。

沉宝

雷达 发表于 2022-9-25 04:47
9 p- u7 X4 X% v& ^: F& P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 ...

% l" F# \; H& u% n( r时间差一倍的结果可以接受。
9 I! R' [9 D9 X* g. |
, H! p; U- C- E你还是用profile工具看看吧。现在大家都主观瞎猜。

数值分析

5 S, z( ?# s4 Z

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 ...

7 C! y9 K- D5 P& h7 G  H
能不能把这个也贴上来，看看和上一个有什么不同？

雷达

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？

: i1 O3 C! t' Q% I& }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
' I- u) w" m/ N8 d& m; y% y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.

0 R! l2 ~& w- b& l0 c' Z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
4. 空循环 100000 次 202s

! v/ ]% }: [2 A% n, a: T* t0 i不做内循环 200s
' A! q4 b6 F- I0 u
/ q0 O0 R% u8 F' D, w& K3 z( k& p/ F你昨天说的对，内循环本身占比是很小的，大头在其他处理。
, R9 w6 b8 x) w, U另外可以看到， float * 循环点乘累加 并不差，比用vector 还更快。
/ `0 S6 j$ M! {" Q! G$ m
3 g) {9 V5 Z  p7 {- o7 r6 E7 O. 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）

（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）
" M9 n4 b) g: w# s+ S! Z  M
" u  t: I8 F$ f/ ~3 _. Y% D3 d

        std::vector < float > vec1(N);
        std::vector < float > vec2(N);
- @9 [% V9 h3 m+ m6 L! l3 x        float* b1 = new float[N];
# ^# {5 b$ {0 v        float* b2 = new float[N];
8 c" d: Z1 I0 ]3 k6 j4 d, H
        for (int j = 0; j < 6000; j++)
6 @8 o4 d5 T% _( g& b: J        {
0 u' r' E: D, I" c                std::generate(vec1.begin(), vec1.end(), []() {
                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
5 I4 ]# h0 n& D8 t- q! |; K! \9 q                        });

                std::generate(vec2.begin(), vec2.end(), []() {
                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
                        });
; U% v6 m1 q* k3 u$ T' F
0 T: z0 ^) A2 }; Z$ v: h5 d6 G" r                for (size_t jj = 0; jj < vec1.size(); jj++)
                {
                        b1[jj] = vec1[jj];
+ X4 q' R/ c4 k) l, T' m1 T% N$ z) [                }
' B5 A$ ~& b- s1 H3 o
                for (size_t jj = 0; jj < vec2.size(); jj++)
                {
- w' p4 J5 h5 A  \" t9 z! O: h/ H4 L                        b2[jj] = vec2[jj];
0 H% o0 h7 |: }. Z: {                }
: J% g4 ~- _" V1 A( b) S, C
                //Method - 1  N=100000 247s  
( h5 y0 p/ W! ^- M. ~2 d                //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
                                
& v) A2 Y0 ~1 f                //Method - 2  N=100000  237s
/ r/ t1 r0 q8 L                /*
% D) C7 p+ [$ [; m( `7 I( H                for (int jj = 0; jj < N ; jj++)
* R: z, t' `; l8 x1 r                {
+ F3 a* _- |0 R; l                        fresult += vec1[jj] * vec2[jj];
. _  ~# r6 s0 [                }
                */
% K% W, b* V* ^                                
7 Z  A) U" P1 |/ Z) j# m                //Method - 3  N=100000 204s
                /*
6 N" w, ^1 U0 I) e: Q' x- |                for (int jj = 0; jj < N; jj++)
                {
; b1 b4 d' C/ A7 W2 m1 f                        fresult += b1[jj] * b2[jj];
6 c$ ^2 T# m6 E. J                }
                */

5 b) G2 }! M9 ]                //Method - 4   202s
                /*
                for (int jj = 0; jj < N; jj++)
                {
( R' Q9 `/ O4 C1 r( a                        
( v0 j7 Z2 k3 T2 i2 O- X( B5 }/ V- U2 X                }
! V% f# V/ G: G2 c                */
                //comment out all methods, N=100000  202s               
2 V2 D" Y6 |$ S, h        }
% t0 U9 r4 a  }, F
2 P" ^. e5 P4 m% }9 Q, u        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？
- c( L! I6 A1 j7 r5 v5 w% |9 P8 Z
$ Z+ N+ v" I$ P* v+ W7 P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？
; e  G1 I9 L  {: N# ~- t; c

雷达

机器猫 发表于 2022-9-27 00:15
  o. e: I3 [, Y: a( y  P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？
2 c1 o: W0 m  s6 g& f  E; l
你第二个试验里面的j在循环里面又重新定义 ...

9 K, B) `6 {" U" z. \% j  G4 O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

6 a# F  l) o+ N7 [) e9 b( B+ S% G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
( K! q" E6 X/ L0 ?6 k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
# q( Y, f2 |/ E: T
' n  E& z; v3 `6 [+ x- I, ~0 {( O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。
) G0 d" |- z) l; k$ J$ f  r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)
, c( b7 A- @# E; Z' q6 T* u{
        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。
& N) |' r% b* C0 O8 ]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。