C++ 提速的新发现

雷达

C++ 比 Octave 慢好多，怎么破？
0 ~6 h  M9 ^6 `$ i# D- w; H
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。
- o0 G7 l4 |8 N8 k
' L- F7 q, Q4 l3 \( U; c! ~速度优化问题真的很有意思啊。
' W, u7 B" ]+ N: z
3 A, `  y( n) g7 P& m  g% H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？

8 P9 Z& ]1 Q4 b4 i& w/ 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

/ m+ ]+ r& a- W; Q2 [

数值分析 发表于 2022-9-24 23:04
9 V% \0 q4 p" M6 h拉下来？拉多少？
/ s& H) v* n8 A把代码贴上来看看？

; r- o! I! C  z& p( m7 C6 p2 g
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
0 B2 m; m/ f0 i6 V{
        comp temp, xtimesy;
  U  Q$ U( ^. Q  D( l: ?) q        xtimesy.re = 0;
( w& N: w! H( F; D        xtimesy.im = 0;
8 s& h. u6 K5 O        int j0 = lenB - 1;
/ {2 ~" ]6 }0 ]7 I8 p" b        int    i, j, i1, reali;
        if (lenA % 2 == 1)
                reali = lenA + 1;
        else
                reali = lenA;
        reali /= 2;

; g/ \5 O; n/ C6 {7 r        int nconv = reali + lenB;
        //#pragma omp parallel for
        for (i = reali; i < nconv; i++)
        {
                temp.re = 0;
                temp.im = 0;
& k0 q1 f2 ~- Y/ l2 |: s* v9 |                i1 = i;
8 I7 q, J: [- K& g                for (j = j0; j >= 0; j--)
                {
0 y1 V6 u  o9 z) K/ U1 Z) P$ e' {( @                        /* floating date operation */
                }
        }
}
: T" c" T+ O) u- }
  U5 P) N( z& X  m0 y. E% P6 V: axcorr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
# B. y) v/ `- }4 r7 U% i
2 m2 b) `/ ?, _" r- q- {8 y: Q红色部分是内循环，现在其内部操作都comment out 了, j0大概是 6000。
* M! \  ?; h- T7 x" M4 p现在call xcorr 100次，耗时78s.
9 q, U% G- Y+ A+ m0 j' g2 p
$ [9 b) `) @0 E, `0 O/ w+ d如果把红色部分内循环本身完全comment out， call xcorr 1000次，耗时 <1s.

/ ^  T% P1 K) a4 [9 E0 W% J

雷达

风雨无阻 发表于 2022-9-24 23:33
: ~9 F" p+ M  T" IMaybe Debug mode?

7 n- c6 X  r0 U3 T/ u/ `' ?
4 m+ L9 W$ o* N5 a% q( c& m% `" c& E: ~不应该，看我上面的回复。

8 k; T! N( n4 ^1 @6 ]$ t我更怀疑是 VS 社区版的问题

数值分析

  |2 e. [  Z. E# W- Y

雷达 发表于 2022-9-24 23:54
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
6 P0 H3 O* r( m4 W{
        comp temp, xtimesy;

* _2 s' F6 j) h' `( z* @0 }
6 ?4 d  O/ r( d- Z7 K2 q这个不是这么比的吧。。。

$ r9 \6 ~8 ]4 ]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）。
# n* O$ l- b& C. k
$ b) W1 d0 T) k* m" x8 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

数值分析 发表于 2022-9-25 00:20
这个不是这么比的吧。。。
% h9 b  n# H0 Q
, O& z3 \! E8 I) f4 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）。

5 q9 A+ D* q9 \
有道理。
8 I, I- O2 k+ E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 a5 l5 s" S2 J# F" p$ n
1 ~- O% O  F" Z1 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 ...

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
) N/ k( W7 j/ l9 t( L3 w. a这个不是这么比的吧。。。

% q3 @& d9 o7 q& U3 t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

/ r) G, H) e( h' c5 }

沉宝 发表于 2022-9-25 01:48
  l5 U3 ]  N, 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 ...

- J% |1 `( }1 ]
  Z7 @- D# X6 b# v+ P7 m% o; ^. D是的，兄台说的对。

2 V7 H" d% h( Q6 k5 X! {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。
" c8 f  n+ f: h# P. P
  @& e3 }! R0 q9 x0 Z2 A+ v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。

* Q/ Z8 Q  ^% C2 E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
4 P! N2 B1 {/ w* P! 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 ...

% u* q3 O, v$ 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。
3 V5 t- h: W$ _2 Y/ S
4 ?: R7 Q8 \% e3 o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 ...

( T% ~. x5 _  T, B时间差一倍的结果可以接受。
% }: r/ U' b; @" V
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 ...

5 U7 g* o" }8 D
2 y, M: L! o; d+ R) s
, }7 i' t3 X8 F! y' m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
: d# o( N, r# E6 v' ^& [# J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。
做了两个 vector 和 两个 float *, 都长 100000
* K6 Y1 _9 b) g, S& X! x2 j. l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.
4 z  a6 T: H0 L  ~+ d3 S( v
内循环试了4种方法，
1. 直接调用 vector inner_product 247s
4 V/ F" O$ f7 y5 P+ X0 @2. vector 循环点乘累加 237s
2 ^; f/ w) X) K$ b* m/ B: u0 }: j3. float * 循环点乘累加 204s
4. 空循环 100000 次 202s

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。

: J5 @* h) U% P/ C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）

/ u4 q' K1 w, a: |, j% o（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）
5 S8 N+ v- L' a

        std::vector < float > vec1(N);
        std::vector < float > vec2(N);
        float* b1 = new float[N];
/ z7 t+ y4 s9 O& \9 o        float* b2 = new float[N];
0 A7 j1 u6 f1 c) S6 B, q. y
        for (int j = 0; j < 6000; j++)
        {
                std::generate(vec1.begin(), vec1.end(), []() {
                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
% ?7 o, U# J/ G) Q& N: x                        });
% v0 B* n" ]! j$ g
                std::generate(vec2.begin(), vec2.end(), []() {
, S3 K6 |- y* ?; ^5 w                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
# v5 G( {1 B0 i# g6 |                        });

# d- j$ f1 k+ y                for (size_t jj = 0; jj < vec1.size(); jj++)
                {
8 V, `8 [8 u1 U) C; {0 W& l0 Q                        b1[jj] = vec1[jj];
1 E) V0 Z  y2 c- }; k; f! K1 O# ~                }
- z. ^3 q5 x4 U$ R! c0 F
- v2 R3 l( m# \8 x& ]3 b  ~                for (size_t jj = 0; jj < vec2.size(); jj++)
# T# m8 `0 L8 O7 F9 T, l                {
5 Y" @, o/ X/ Z' w" a, k$ G" R3 G                        b2[jj] = vec2[jj];
                }

% m' d7 w5 X  l( S; G                //Method - 1  N=100000 247s  
6 P; D; C* k2 u6 s8 i! [                //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
                                
                //Method - 2  N=100000  237s
                /*
" a5 ?5 o- T# a! P# `* q                for (int jj = 0; jj < N ; jj++)
                {
                        fresult += vec1[jj] * vec2[jj];
                }
                */
                                
! D0 k( q3 o& _8 D/ r                //Method - 3  N=100000 204s
3 n0 T1 x0 X  H9 V  x, e1 E0 \: b                /*
  Z) X# v6 D& \6 q                for (int jj = 0; jj < N; jj++)
                {
                        fresult += b1[jj] * b2[jj];
6 K3 b8 d, R+ }4 H  P/ ]                }
                */
. a2 A4 C7 _/ D- c2 E$ ~/ q
                //Method - 4   202s
                /*
+ n, m& s: ]1 c- ]+ d( }                for (int jj = 0; jj < N; jj++)
& J$ s% U7 H  `- B1 ?                {
! N7 f' u; |% h3 A4 U9 z& R                        
+ \# J8 P* p4 G' s4 [) @; s; B, g' u                }
                */
                //comment out all methods, N=100000  202s               
        }

5 F. R, |% U6 b. ]5 B; h. `        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？
, ~. E9 j. [; s* ^" R5 f6 e: ^
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？
: Q9 k! K  W' T) T

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？
+ Q% K7 w( Q, g% u
你第二个试验里面的j在循环里面又重新定义 ...

2 K4 w" I* ?7 M! I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
4 r# k% B5 w  Q; \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
* r& }; H1 i) T3 Y
+ P7 k* N# L1 H  W' u, R不和它 ...

9 ?  ?& ?6 x" B6 U! z  U- 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。
* S: O6 z, V: e$ k  d, i: S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)
{
$ f- T" Y3 U1 n: I' @7 w3 @        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。
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？
3 o0 @6 }: K4 ?( X9 K6 T/ p+ tVS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。