C++ 提速的新发现

雷达

C++ 比 Octave 慢好多，怎么破？
3 G( H' E- C% ~; N
% _& C4 n( L9 e* T# 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。

速度优化问题真的很有意思啊。
! a: o- Q: l- U& S+ J
欢迎大家继续讨论

数值分析

拉下来？拉多少？
$ b/ @( Z2 f3 l: Q+ [* p: r把代码贴上来看看？

. c+ ]4 r( [8 R1 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

6 X9 }: P- _+ @$ x3 X" e, B

数值分析 发表于 2022-9-24 23:04
2 ?1 h# k' K* i7 \! b! @7 @拉下来？拉多少？
把代码贴上来看看？

2 w. L' Q9 ?" W- Vvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
/ r1 V& P$ K! b& W# b1 ?- e        comp temp, xtimesy;
        xtimesy.re = 0;
* i4 [" T( E2 I$ R  |" @! u3 d        xtimesy.im = 0;
- W( k! M" m- i1 X6 N        int j0 = lenB - 1;
        int    i, j, i1, reali;
        if (lenA % 2 == 1)
                reali = lenA + 1;
! ?4 d4 Y  y1 H4 r        else
( v/ ~( h% E  u                reali = lenA;
9 j# S, a* l3 P3 c1 z- R5 N        reali /= 2;

        int nconv = reali + lenB;
# F- l& V$ z7 x4 I$ I/ ?        //#pragma omp parallel for
# a- h5 a$ P% R+ ^        for (i = reali; i < nconv; i++)
9 v6 Q  R- U3 ~4 R' @        {
) b4 O$ z/ a5 ~& a                temp.re = 0;
+ @+ u' t6 U  T1 B6 C                temp.im = 0;
                i1 = i;
                for (j = j0; j >= 0; j--)
5 i4 k4 i9 B" n                {
8 u+ x) n0 |, n                        /* floating date operation */
                }
        }
}
& e' |# l  Z. T" X: d
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

红色部分是内循环，现在其内部操作都comment out 了, j0大概是 6000。
, x' K) _0 X$ T! A* X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.
* w3 w9 C5 `$ u4 a; {0 [
: @3 L+ M3 z; i; P: B

雷达

风雨无阻 发表于 2022-9-24 23:33
& A: k9 x3 O. q2 J) w* p( \, F& SMaybe Debug mode?

! f5 |( T5 G6 J" t7 M& O1 z* Y
3 d( ?- L# C, `. g: P$ n+ V不应该，看我上面的回复。
- b( J* W# e: m, e% |4 R
我更怀疑是 VS 社区版的问题

数值分析

" t* ~2 c4 h* N) S# l) H

雷达 发表于 2022-9-24 23:54
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
. T5 O$ Q  T! T{
        comp temp, xtimesy;

( q% E3 {6 i2 d7 N0 V* E这个不是这么比的吧。。。

/ u/ t: E$ L  b( ]+ o& i2 r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）。

+ I% h- c7 g2 o% Q( L% 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
" \* J  k# I' J+ ^& j/ N9 ?( ~9 X这个不是这么比的吧。。。
3 W( o5 R; i3 [/ u1 x
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）。

. v8 l# w6 P. _, j  I6 V
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。

! ?" H8 [6 x4 B: o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
: X: u0 y. n; o/ {' l1 @% N" }有道理。
# g% ]$ J$ }/ c( 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，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

4 o$ r& q0 s( r$ L4 t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

7 t% G" Q; D* C- @# U2 l- n

沉宝 发表于 2022-9-25 01:48
: N1 L' d8 {4 z2 I" h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 ...

' Y1 [7 i0 q3 v是的，兄台说的对。

* t' [( O* w/ U2 M  M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。
. U2 J' R$ x( B! `% N+ j7 {% o
) }" ^8 j1 K8 j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。
9 N$ t  {. ^! B+ z5 ?9 H% k) J
+ D* S$ {- s6 h+ R, _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

5 t' i3 H$ `! |- l3 R0 F9 q! [' ]

沉宝 发表于 2022-9-25 01:27
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 ...

" t0 v" x: I( a1 |; r( A2 }
7 O) c8 G0 y! l' W: Q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。
. R# v9 g2 [& O9 u/ o  O
+ e/ _0 s( q+ x" e0 |' m+ c1 G我已经完全懵了。

沉宝

雷达 发表于 2022-9-25 04:47
  q& ?: g6 j0 ~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 ...

6 a4 {: M6 @7 I时间差一倍的结果可以接受。

你还是用profile工具看看吧。现在大家都主观瞎猜。

数值分析

% Q  Z) Y; d! o/ f% N, N

雷达 发表于 2022-9-25 04:47
9 L; `0 ]- _! N; L$ Z4 f, |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 ...

  r5 z/ Y  ]' c8 `. }4 g! u
1 q, ]5 g) P; X- F

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？

- K* Q1 F* T& y, o; p7 ^( v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
! X# U2 o, y  I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.
' r. O! b0 L. }% {
! `7 b, ^- s& g! T2 _  |. B( a内循环试了4种方法，
1. 直接调用 vector inner_product 247s
1 H7 p' `; I2 [* D2 i2. vector 循环点乘累加 237s
3. float * 循环点乘累加 204s
4. 空循环 100000 次 202s
, [+ q* k+ F! \6 z1 n& Q
* u5 D+ b3 g$ b- m! j# v不做内循环 200s
& n+ }. K% x  J2 U1 t. v5 R2 u9 G
( d! g, h: N3 _7 F  k* `2 `你昨天说的对，内循环本身占比是很小的，大头在其他处理。
6 V8 h9 e9 D5 s0 }& m# O$ L8 f另外可以看到， float * 循环点乘累加 并不差，比用vector 还更快。
, I, R# S5 o* S
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）
( Q2 M' M. [$ a/ ?7 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）

9 p- `4 K$ b" F& w& j) u

        std::vector < float > vec1(N);
        std::vector < float > vec2(N);
8 f8 z( k" D( `4 n+ D* L        float* b1 = new float[N];
0 m/ I7 O2 e2 Q- O) ^        float* b2 = new float[N];

        for (int j = 0; j < 6000; j++)
        {
                std::generate(vec1.begin(), vec1.end(), []() {
0 ^6 Y+ y3 ]+ N) p" W7 |3 H3 V                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
                        });
$ c1 n- j/ J2 q
( w% Z' B( T  e- }  [$ g                std::generate(vec2.begin(), vec2.end(), []() {
" w% g9 t! E$ d; i6 ~. q# f                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
                        });
1 v  C3 v  V4 z
                for (size_t jj = 0; jj < vec1.size(); jj++)
# E' L. F) _% q                {
                        b1[jj] = vec1[jj];
; j; N9 Y$ B7 v1 m% ~6 J                }

                for (size_t jj = 0; jj < vec2.size(); jj++)
3 m; c1 |/ u/ [, ?/ b' D5 G                {
                        b2[jj] = vec2[jj];
6 R3 d' F# ^; B  w4 A                }

                //Method - 1  N=100000 247s  
' B7 ~, K  U5 E                //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
                                
                //Method - 2  N=100000  237s
) Z4 n; k; y, R$ c( H  m                /*
' I+ G/ g7 W8 S- {+ \2 L                for (int jj = 0; jj < N ; jj++)
                {
                        fresult += vec1[jj] * vec2[jj];
                }
                */
                                
- G) q1 v) [2 e% z+ x2 U+ z) h                //Method - 3  N=100000 204s
& ^, B1 ~% w1 f, J( u# p                /*
# X$ O1 e" A& f3 ]9 W: m, l* E                for (int jj = 0; jj < N; jj++)
                {
. }- L0 P/ O" W* @# w' s                        fresult += b1[jj] * b2[jj];
* X3 k4 G1 k$ Z) c% [- o$ V                }
                */

$ n& p& A, V- M9 \                //Method - 4   202s
                /*
* C0 z6 I) ~; Y" l9 O                for (int jj = 0; jj < N; jj++)
                {
                        
3 ?6 `6 r+ h9 y2 j" |/ I$ O                }
- @$ R( \* a5 W: y- {6 w* d                */
& C8 t& e3 y* r+ S5 {7 G, h                //comment out all methods, N=100000  202s               
        }

        delete []b1;
9 I9 D) x( l/ f" i# W, F        delete []b2;

! |, I7 R) @) `1 w( \- J

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？
+ g' ^! K0 k2 h) i9 f3 @. V
6 u+ E7 @, J+ }0 S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？

* B/ p  o9 ]# r- S. P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
# m+ g: I: t$ o, J4 V0 g
0 u* i- P3 M' W5 w; f$ U  R) m( D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
8 L; _) F& E$ ?" u& ]0 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

# i" j$ `6 R$ {/ A4 _7 k1 |1 g4 \( l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;

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。
& t7 E. E9 B. G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？
% Y; M, M( R  d9 i) zVS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。