C++ 提速的新发现

雷达

C++ 比 Octave 慢好多，怎么破？

( H) d5 L+ O1 Z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。

8 {1 d% H2 x+ b% V速度优化问题真的很有意思啊。
. Q- x3 d4 H% c: O! P
欢迎大家继续讨论

数值分析

拉下来？拉多少？
' P& ?; f5 d0 |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

6 K. q, s) J) m$ C2 [

数值分析 发表于 2022-9-24 23:04
拉下来？拉多少？
1 ~2 E8 J1 G. G  i& Q7 W把代码贴上来看看？

  ^* @  J8 j9 c! {void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
& x( q2 d" e* K8 P# E, Y  S{
        comp temp, xtimesy;
        xtimesy.re = 0;
: d) p) ^0 v+ M4 @% i- {" X) d# S        xtimesy.im = 0;
        int j0 = lenB - 1;
7 Q% c: b% ~9 }4 r        int    i, j, i1, reali;
        if (lenA % 2 == 1)
                reali = lenA + 1;
2 j% R1 T6 z& [0 n! {& C- s9 f2 o8 C        else
5 O2 Q, A7 x6 g! j2 m                reali = lenA;
+ |# D5 B& s; c& x        reali /= 2;
# B; B5 h" m4 F' Q
7 r! q: P' t* C        int nconv = reali + lenB;
        //#pragma omp parallel for
9 n1 C4 N* x) [# |        for (i = reali; i < nconv; i++)
5 ~* U- J- c8 p        {
4 A9 A" U! o% H9 p6 E0 O                temp.re = 0;
& P8 \* f- P& _. H! Q, @                temp.im = 0;
                i1 = i;
- m9 K9 F8 Q( R  U6 L# y. ^8 k                for (j = j0; j >= 0; j--)
                {
                        /* floating date operation */
) [( ]5 V" T9 Y3 k                }
8 B6 q$ v( ^3 y3 b/ _+ ]        }
}
  o  g7 c5 H- g
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
+ s+ X' ?4 F- s' F! A
# b: [6 k' Y4 G5 N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.
2 f/ h8 j6 ]; @0 f
如果把红色部分内循环本身完全comment out， call xcorr 1000次，耗时 <1s.
. g9 Q& J' `5 k8 w6 T

雷达

风雨无阻 发表于 2022-9-24 23:33
8 ]6 w$ n1 B$ k7 ^- j& L! GMaybe Debug mode?

5 r' O: _9 V: w$ U
不应该，看我上面的回复。

" f, m4 H2 C/ ^, a8 A我更怀疑是 VS 社区版的问题

数值分析

3 y+ f2 K6 y+ [/ V

雷达 发表于 2022-9-24 23:54
2 w: x4 S1 W+ s, Y7 S- Zvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
+ D, v1 f  b9 t5 h* d! U5 J{
" @: x2 k& C, _        comp temp, xtimesy;

4 T0 n  s, L0 W% [# i0 v; [. x1 b$ ~7 ^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，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。。。
" C+ `$ n/ |/ j9 M$ P2 x% h# 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）。

7 b5 L- }2 ^* [$ z* |! ~
6 e5 m; @6 j% i  O# T6 `& i  u2 I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。
/ j4 I  Y) `% K- ~8 l
0 v2 O5 `4 q& K& c! q" j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。
: a$ G# M2 g* B  t# C# W: u9 n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
) @( ^, k2 n' rWhy 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
" W' g, M1 Q5 B5 b* ?$ h$ L2 }+ L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

2 h. P1 c! Z- i3 y6 A* u. F: D
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

8 Y0 T3 ~7 y1 F9 X' g- j

沉宝 发表于 2022-9-25 01:48
$ ?1 w# i2 Y! w& L0 D1 |/ 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 ...

1 L5 O  }& B6 N1 W4 W
( Z/ H* K  P, W. x是的，兄台说的对。
  T/ q% V. I3 c5 i
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。
* X( f6 j( @: _1 s) G
- c7 @' v) ~$ I5 j+ w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。
) e7 h: {# E2 o0 L, d
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
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 ...

8 j1 X; O% n8 ?
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。

我已经完全懵了。

沉宝

雷达 发表于 2022-9-25 04:47
0 x. o+ ?6 t; l; @6 A. R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。
' W" R- D+ C3 K6 d4 ~
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
, ]5 u: h$ G% w( `% N' s" w+ \6 V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 ...

( i+ {3 H0 S" O, x  `
2 W7 }  s* Y4 _& I' |能不能把这个也贴上来，看看和上一个有什么不同？

雷达

- ?+ `' Z9 H9 @. @+ ~# u

数值分析 发表于 2022-9-25 14:58
" p. p& P$ r! J5 b能不能把这个也贴上来，看看和上一个有什么不同？

* ]# @& S6 J; w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
% s0 `' T: o4 S' m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.
& e& U! t, X% I
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
$ O$ A/ S' J+ w2 I8 P3. float * 循环点乘累加 204s
4. 空循环 100000 次 202s
, z" c9 _9 j$ }) Z) A$ T
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。
- A5 N- Y+ U# i- T- a另外可以看到， float * 循环点乘累加 并不差，比用vector 还更快。
  r9 r5 G8 Z2 B' L0 j8 N3 E. e
7 `0 ^& N- ^* M2 L  t- T; a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）
2 U+ f# \5 V& a& g: k6 u0 E' n6 ?
（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）

        std::vector < float > vec1(N);
        std::vector < float > vec2(N);
        float* b1 = new float[N];
        float* b2 = new float[N];
! b3 _+ ]! S7 D- B8 _
$ n% ~; E$ D2 |        for (int j = 0; j < 6000; j++)
; K+ I% I+ W8 m" ]- z        {
                std::generate(vec1.begin(), vec1.end(), []() {
                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
                        });

" |9 k. G0 _9 a3 m  J+ s6 T; f2 w( D                std::generate(vec2.begin(), vec2.end(), []() {
  C/ |' n% d" I1 C* w5 @2 E* A                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
# E& T/ g  k" E                        });
* X7 \5 K. F7 y" M1 j; S
                for (size_t jj = 0; jj < vec1.size(); jj++)
                {
/ z+ f4 G% R( L+ i" V- I* {* N4 V8 M                        b1[jj] = vec1[jj];
. {2 w! L# \6 v0 y: q                }

8 t- s$ D6 G* L) T  o/ X                for (size_t jj = 0; jj < vec2.size(); jj++)
, ~5 h& @( n" }- L, Y1 N$ H$ E7 P                {
                        b2[jj] = vec2[jj];
; g0 o9 ^, {! u: C$ ^# E, z6 Z                }

                //Method - 1  N=100000 247s  
8 m8 I4 [5 a3 C* D                //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
$ k' q' R+ d; K4 h                                
  a( U+ k( v6 G& \% R3 h                //Method - 2  N=100000  237s
1 O* I$ q- h3 A2 F# U                /*
                for (int jj = 0; jj < N ; jj++)
                {
  x8 d' ~: d' X) @                        fresult += vec1[jj] * vec2[jj];
3 g" P9 U; S8 E; }2 B" @                }
, K2 |! d; P- ]. @. f+ U3 T                */
( m: f( C- j: c+ L8 |  q                                
7 V/ }2 r! S4 V) O' C) J                //Method - 3  N=100000 204s
                /*
+ t( Q. L& P- z  @& w. L+ \# u                for (int jj = 0; jj < N; jj++)
, |2 _6 R0 p, [/ l                {
- M4 x& D) S3 b3 s                        fresult += b1[jj] * b2[jj];
( j: d' I  B) c8 L                }
                */
9 A* K! d5 H0 C8 l! x6 p6 p
                //Method - 4   202s
                /*
% E! ~* D8 }% ~                for (int jj = 0; jj < N; jj++)
( L7 F1 a7 |. `" f* j5 t) V                {
2 m- j% |. }( q+ W                        
                }
                */
                //comment out all methods, N=100000  202s               
, U3 @* T6 G* u8 Q& ^! ^* C5 _3 {        }
8 q" |$ I2 \* W$ T5 W
        delete []b1;
" e) b% d& _/ a* v2 j" e        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？
0 U. Z9 D: t) P
7 o. y( w1 s# h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
+ P- \8 u9 g, c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 ...

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
  v; X8 ]: B6 i/ W: Q7 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
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
+ T) h2 F! z, p/ F+ z! b
不和它 ...

7 i4 ]6 ]% c: D$ M2 o3 D4 q
- `' }$ z1 k; \/ u; I, M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。
! ~0 t( Y9 g* [- A' t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)
: e  f, L* I6 o- f8 i$ G{
        comp temp, xtimesy;

6 `4 g2 L3 |7 F* p1 F/ t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。
/ m# ?2 Z/ r2 r9 ^9 u# i/ v1 t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。