C++ 提速的新发现

雷达

C++ 比 Octave 慢好多，怎么破？

7 D$ o8 F* a! Z: n; _4 x; [/ r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。
0 l! w$ w6 n0 R3 r
' r# n" Y7 _& U" _( S6 o9 u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？

! S6 {8 J! j( q  N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
6 `# J3 a# l5 [/ D拉下来？拉多少？
) m! H( c. p- N. O8 n7 H' N把代码贴上来看看？

& Q3 o6 r" P$ |3 v% svoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
1 u+ Z2 R2 ^3 Q7 ^; g9 a; {{
        comp temp, xtimesy;
        xtimesy.re = 0;
" E1 a& s1 w% O: |# D5 q. S        xtimesy.im = 0;
        int j0 = lenB - 1;
        int    i, j, i1, reali;
+ h0 j# W/ ?  L; _# c# G5 d- Z        if (lenA % 2 == 1)
6 k2 ]' _2 P: k' o                reali = lenA + 1;
        else
                reali = lenA;
        reali /= 2;

5 U6 f& P- T# l  }( K# M( S+ x        int nconv = reali + lenB;
        //#pragma omp parallel for
        for (i = reali; i < nconv; i++)
+ O7 V! p0 G$ O2 ^* T8 w# o        {
                temp.re = 0;
                temp.im = 0;
                i1 = i;
6 a1 R3 u$ `& n+ K5 M9 Z                for (j = j0; j >= 0; j--)
                {
0 k  x  }. m1 \2 W                        /* floating date operation */
                }
        }
}

- q: W0 M# v0 Q" Dxcorr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。
现在call xcorr 100次，耗时78s.
  o( H4 p% y) m' L
* v+ y9 c4 V' J/ X* M如果把红色部分内循环本身完全comment out， call xcorr 1000次，耗时 <1s.

: T- l; L& s: g# A  @2 I

雷达

风雨无阻 发表于 2022-9-24 23:33
# S4 _9 t) x$ L5 ?7 k; o- _Maybe Debug mode?

2 i; ?1 d; p' u0 s6 ?( Z
" d" j" a, i3 I2 v( i5 |5 ^, H' b不应该，看我上面的回复。

3 T$ F, M  z! J. s" l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
4 [6 }: m9 h) z9 ~. w, Evoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
        comp temp, xtimesy;

, h: g% D$ S4 F; D
这个不是这么比的吧。。。
: {+ S3 T6 B* f) _
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）。

1 T, }! i% _* X: l. U7 S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

( ^3 f1 C8 ?  ^* A6 K  H

数值分析 发表于 2022-9-25 00:20
( d) X6 J, C6 p+ ?) d  D( I4 X这个不是这么比的吧。。。
& f2 {& {: W! M9 i! d
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）。

; l# i0 D6 q4 ~, }6 [, p! i- {
# i8 A6 }0 s- h7 G1 V/ p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。
: s  p% A) o6 O6 n- A+ 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。
' o* ]4 F+ I- Z8 m$ ~$ J. \$ v3 C: h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 ...

4 I8 `( M  d; x' u8 h/ A; M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。。。

- J- i9 q4 R: s- D  p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

5 x4 t) s% j( ~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

' l. d6 j& ]' [2 t! p% @5 |

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 ...

% E9 {+ z( `3 M  |& |. Y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。
  a7 h5 l# V6 i. k+ C  t: {* y
3 Q/ K* J0 d, S4 h7 p2 ~: t; d; c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。
7 j3 b% n* X% }( L, e
- Y2 _& _2 U  w' R& ^) N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。
2 @6 F# E0 b# k; h
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 h$ I7 e- v. m1 F4 |% `
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。

2 W# C$ s/ H/ V/ ~我已经完全懵了。

沉宝

雷达 发表于 2022-9-25 04:47
! X& @' T; C7 e3 \& a7 {2 F0 S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 B* p0 X, V3 a% b! N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

9 r: V0 C! a5 A) D8 o/ [

雷达 发表于 2022-9-25 04:47
9 y0 _, n9 B: i; k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 ...

$ Q- {, ]9 n/ _8 ]
" r0 Q: ^( p& k: r# N/ o
) Y" N0 G8 W) t$ P" 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。
做了两个 vector 和 两个 float *, 都长 100000
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.

内循环试了4种方法，
5 W; m2 K3 j8 g+ v6 j3 `9 Y% b1. 直接调用 vector inner_product 247s
; a8 M* q1 ], @2. vector 循环点乘累加 237s
. k1 a! U/ G0 V# p% v. j3. float * 循环点乘累加 204s
4. 空循环 100000 次 202s

6 d* H" p0 m. o不做内循环 200s
8 S& a3 x7 A( Q) {1 N  B
9 J& W# w' D, o0 x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。
# R% `% P- L* H* b- n0 A( d! U
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）

" v- d/ C0 k3 V) w0 f

        std::vector < float > vec1(N);
        std::vector < float > vec2(N);
        float* b1 = new float[N];
        float* b2 = new float[N];
" x" T* f2 h9 p3 w0 r- U  L
. l- b' J, T) P( @$ Q# M" f        for (int j = 0; j < 6000; j++)
        {
; R; G) V2 `$ n! m4 `                std::generate(vec1.begin(), vec1.end(), []() {
                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
                        });

                std::generate(vec2.begin(), vec2.end(), []() {
& d8 R5 y/ ]- C/ V" r# M                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
% W7 C3 _  N9 k# W                        });

                for (size_t jj = 0; jj < vec1.size(); jj++)
1 L$ o4 L/ Q# V* k1 n# Z8 S* y                {
6 R" i7 J* D# P0 u7 L/ B                        b1[jj] = vec1[jj];
/ m: X) H& G9 ^9 v8 ]3 p5 r                }
- {; \" Q) G, S
                for (size_t jj = 0; jj < vec2.size(); jj++)
9 l7 [/ a" P1 x( g6 ~" h0 e                {
                        b2[jj] = vec2[jj];
                }
; \* Z7 L+ s9 P1 x6 G2 }
. N# E  a" x- s. O2 f1 B                //Method - 1  N=100000 247s  
                //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
                                
                //Method - 2  N=100000  237s
                /*
; N4 `4 R( w, ?4 s                for (int jj = 0; jj < N ; jj++)
0 y! z  z% j' a" ^( _1 c                {
                        fresult += vec1[jj] * vec2[jj];
                }
                */
                                
. g# b# y: J4 A# s                //Method - 3  N=100000 204s
                /*
                for (int jj = 0; jj < N; jj++)
                {
                        fresult += b1[jj] * b2[jj];
9 k, ^' R: }6 m4 U& T0 N                }
' c9 }6 ^( d2 [- ?/ |- O                */

                //Method - 4   202s
                /*
                for (int jj = 0; jj < N; jj++)
) _: v% T) k$ w5 }  u' d0 U                {
                        
- J) a( c7 L1 [% J. V& a                }
$ T# E; D% [" E; f3 T% w, U' p, i                */
                //comment out all methods, N=100000  202s               
        }

        delete []b1;
( Y1 I; R: l' s+ D6 H        delete []b2;

4 G( S" }1 ^! W* U1 p- [# g

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？
: |/ J2 I; C( i
# |: p. `4 O  z; C! ~" m' N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
% C! j: W" ~! P6 Q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

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
  [9 a: C# V' {% k. H# N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 ...

* k2 K- }7 C5 B$ r8 Q  G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
4 i. m5 ]) [# c. d7 qvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
  Y$ Y( e4 F8 O! q( T" c* }        comp temp, xtimesy;

6 M  X1 Q+ L" R( e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 J0 x, @* ~5 G) JVS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。