C++ 提速的新发现

雷达

C++ 比 Octave 慢好多，怎么破？
" S. n! Q5 C- Q4 v' R5 y: M# p# ?( e
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。

6 Y1 {/ W0 H6 b# i8 a% A; _- T速度优化问题真的很有意思啊。
2 _. Y  n; U; Q! i% s9 W9 `6 B
欢迎大家继续讨论

数值分析

拉下来？拉多少？
) I4 K) G7 A5 D& h把代码贴上来看看？
& V/ ^8 p3 v4 s/ v) M1 e
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

数值分析 发表于 2022-9-24 23:04
拉下来？拉多少？
把代码贴上来看看？

* f' X9 |4 C0 p% B( n3 V
/ C' j9 z1 }8 Hvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
1 |  D" S9 Z  s: H: ?{
        comp temp, xtimesy;
7 E5 ~) b0 j2 {: w" D' i8 r" O        xtimesy.re = 0;
2 H. b! A/ z8 H. M3 M        xtimesy.im = 0;
9 y0 N1 S, c5 x' c1 A& Y9 o8 c: C        int j0 = lenB - 1;
7 @( Z) w  Z/ s& k        int    i, j, i1, reali;
# s$ x  H( _( }$ o        if (lenA % 2 == 1)
                reali = lenA + 1;
        else
                reali = lenA;
        reali /= 2;
3 Z2 r9 y+ q4 M
( @$ d; e; B' _5 d4 U% k. [        int nconv = reali + lenB;
! u* K2 V6 ~) F: I5 i0 J( L9 j        //#pragma omp parallel for
& W( F1 P: o: a& G( u& A( ?        for (i = reali; i < nconv; i++)
2 f0 O% q7 K/ \; [8 i        {
                temp.re = 0;
9 v5 J( g1 b9 Q; ?                temp.im = 0;
                i1 = i;
                for (j = j0; j >= 0; j--)
! o# d7 X+ u- G& ~% c' C                {
5 i# ?' C8 R: I4 `3 q" I2 |                        /* floating date operation */
) B0 E. H; c& B2 P                }
8 ~. T7 u+ y. z( |8 m- }4 |. L        }
! J2 n- B8 `+ W}

+ [& B' c) a8 {8 e8 ]4 vxcorr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; T) z1 b2 }7 m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.
& g7 Q& L+ n) Y$ E
) u6 d7 B9 G/ i3 L! H; ^如果把红色部分内循环本身完全comment out， call xcorr 1000次，耗时 <1s.
  B/ E) k4 c, [! L# b5 a) y' }
$ U& U/ e9 j) n" Z% v9 c

雷达

风雨无阻 发表于 2022-9-24 23:33
; l0 i8 y8 u) u4 u1 F7 \Maybe Debug mode?

" @$ e# }, e8 E% w  l- T8 n5 a不应该，看我上面的回复。
, q" ^! a2 a9 W1 Y1 m" Z
& p4 ~! @: h/ t我更怀疑是 VS 社区版的问题

数值分析

% z2 q, }/ W' I  ?

雷达 发表于 2022-9-24 23:54
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
* X0 V! @, |. h' _+ w/ _{
        comp temp, xtimesy;

$ `4 [4 {( P4 W  T这个不是这么比的吧。。。
; [/ Z: z  d+ _' {- D8 I, q
2 }: B" l/ Q7 {7 @' n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）。
6 t' D7 _  J- y3 d! B
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

2 H) ]  C: ]+ ]# V

数值分析 发表于 2022-9-25 00:20
% g. O. G0 W/ ~9 o0 y这个不是这么比的吧。。。
8 F; j3 q! N" P) Z8 }/ I& K5 Z
, ]/ L0 ~) K7 w+ 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）。

* p' y2 m  p+ W5 z
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。
0 d' n/ b+ R& \! f+ X2 `; ^" y
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
* _; `" ^- J0 n# _8 _这个不是这么比的吧。。。

6 F% G; A! F& _# X) R3 Y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

/ {1 G' M% O4 q* [; Q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

3 L' L: V3 }+ l) ^! ^& x" J- s3 m! r

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 ...

是的，兄台说的对。

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。
/ L1 b! Z6 i/ o/ ]& C5 e
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。

* s" P7 M& C( K; G, \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。
1 [6 z7 ?' D5 {
. a2 H, i0 P/ p/ T& C, [1 b* E1 X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 ...

% g# n9 G/ o( Y: z. `& J" S
5 X3 Y) _1 ~2 D6 e/ N- M) T" \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。
# E* P5 F* ?4 e2 a+ V/ D& B
  d; C# S# Z" E1 J* U6 G: T我已经完全懵了。

沉宝

雷达 发表于 2022-9-25 04:47
  C0 l( I" @1 [% b5 x) ^/ 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 ...

1 H" z1 o- j  k+ `4 q时间差一倍的结果可以接受。
  [' K# [; m. }; r, J  P( N* L
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 ...

& D: O% \( C2 F5 R1 f7 }
; B$ I6 Q8 Z1 p9 U$ ?

& `# t  H* \& K+ a$ h8 L6 }) q7 p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？

理了理思路，重新做了一个测试。
: ^0 J2 R( ]! p9 A5 w$ A做了两个 vector 和 两个 float *, 都长 100000
. A5 t) a0 p5 B# C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.
* g( ~( u2 E: ^$ n  ]# |! w+ A
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
. l4 t3 h% C& N3. float * 循环点乘累加 204s
8 F9 B* O( C% G4. 空循环 100000 次 202s

1 p4 A' Z. b3 e& V0 w. V$ W' G% W不做内循环 200s

- g- q; n( U: J% V& A你昨天说的对，内循环本身占比是很小的，大头在其他处理。
# {7 ~# r& [% `另外可以看到， float * 循环点乘累加 并不差，比用vector 还更快。
+ ]* q" D* d/ j2 L! w* t
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）
" m& S, J. x2 F# m
（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）
8 ?' R/ K6 g! j4 K8 p
; T) c8 x! E1 C8 o& q' N" s

        std::vector < float > vec1(N);
9 F2 G3 M2 r( C; @6 r* ^        std::vector < float > vec2(N);
        float* b1 = new float[N];
  s2 x3 j5 L! N. X        float* b2 = new float[N];

        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));;
                        });

6 ?  w  i9 q7 `" z! b1 D                std::generate(vec2.begin(), vec2.end(), []() {
                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
0 v, w$ e$ [7 j                        });
* p7 ?. l$ b3 v) G0 t# h
! {* H( r8 j. I, T9 k/ |                for (size_t jj = 0; jj < vec1.size(); jj++)
/ }8 }' i3 W9 Y5 `. b, q' {                {
  ?' z* c) v) q$ n8 o% j8 H                        b1[jj] = vec1[jj];
' @- a3 \1 R# t. f. K8 y1 i7 a                }
" v$ @! q9 ?+ j5 D% x
* ^; {' ^5 j* s7 X                for (size_t jj = 0; jj < vec2.size(); jj++)
                {
                        b2[jj] = vec2[jj];
( B2 }" q( U, c9 k0 h) G/ k                }

4 Y; k5 k7 [% y3 p. u. h                //Method - 1  N=100000 247s  
0 K9 y/ T# v  ?                //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
5 s2 J. J0 W. y( t/ k                                
8 B0 ]0 H* ^7 o6 Y2 \) ]% F! x% X                //Method - 2  N=100000  237s
                /*
                for (int jj = 0; jj < N ; jj++)
                {
                        fresult += vec1[jj] * vec2[jj];
                }
                */
9 z: |9 K6 |/ v2 v% U. ]! f                                
+ ]# z6 H0 S+ |* _% s                //Method - 3  N=100000 204s
                /*
                for (int jj = 0; jj < N; jj++)
                {
                        fresult += b1[jj] * b2[jj];
                }
- y- z% G7 D& j9 w% o  P                */
0 ~9 k- m# |5 R7 c( l
7 F' ?% C! l2 F' X, k1 [                //Method - 4   202s
) z% ~& X$ s* a                /*
                for (int jj = 0; jj < N; jj++)
5 Z% O7 Z8 G# k0 B                {
0 i1 R2 W# R5 F/ j3 H( ?                        
/ _2 @5 f  z2 O0 j& u; k( c$ \                }
                */
                //comment out all methods, N=100000  202s               
        }
5 V3 B% e  f8 i) e  l- `. _
! S) A9 h4 V/ [6 ^        delete []b1;
        delete []b2;

: x# K1 U2 Z7 `6 T9 w3 o8 f7 p

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？

  x9 o+ {( c+ A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？
: K" t  [0 F3 P' t1 Q! Z9 r( O

雷达

机器猫 发表于 2022-9-27 00:15
4 U5 D/ K0 V6 a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？
' z* T% d0 _0 m7 |: L
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

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
* T& Y* z$ Y3 `% E( g$ A3 y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 ...

) F  F6 k6 q6 t( ~, z% b- y. l/ I
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。
, ~7 M% S  U1 j1 s$ U, v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
% q4 _7 M/ l& E$ E7 y9 z- |7 `6 {void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
& W2 j3 l5 ?- i! l{
4 k- {  \1 m: _        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？
1 W1 z$ ]8 B+ A" ]4 l, D+ b; E$ UVS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。