C++ 提速的新发现

雷达

C++ 比 Octave 慢好多，怎么破？

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 u. L$ u4 l9 ^" _' B6 S% @速度优化问题真的很有意思啊。

, {& A' R9 V4 q) D8 s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？

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

) p+ Z. J0 H7 ?

数值分析 发表于 2022-9-24 23:04
拉下来？拉多少？
0 F6 u& \4 ]/ X6 F把代码贴上来看看？

  x/ c( s: v) m. g: B2 ]: n
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
4 X0 l. q1 N  X0 h& W% F{
        comp temp, xtimesy;
8 P8 j. l# M5 [6 x8 D: C  h) G  H        xtimesy.re = 0;
        xtimesy.im = 0;
; K7 e& a& }. p7 V4 T  L; a        int j0 = lenB - 1;
        int    i, j, i1, reali;
# F6 j  c. a8 {. [& @. O; k- l        if (lenA % 2 == 1)
: O* b' `( y0 c0 @# S, _0 }                reali = lenA + 1;
        else
                reali = lenA;
        reali /= 2;

( X) v/ p. H" a+ U! f        int nconv = reali + lenB;
0 Z! M! a5 u2 Y7 T( J        //#pragma omp parallel for
        for (i = reali; i < nconv; i++)
        {
                temp.re = 0;
' W  Y2 K9 W6 C" p/ m1 x                temp.im = 0;
                i1 = i;
                for (j = j0; j >= 0; j--)
& F$ C3 w/ r- q                {
; |: p) s5 |7 {/ G4 _- J; T3 K' @                        /* floating date operation */
8 a: U: V5 ]5 P                }
3 s) M  i2 m/ K3 D! E! N        }
" ^1 u9 ]1 r$ S; k}
; N3 O9 Q8 y2 i: W* z2 z- F
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
$ r4 K* @. z/ r( z( F* B9 S
红色部分是内循环，现在其内部操作都comment out 了, j0大概是 6000。
7 ~* f. {1 }) \  {4 i* p* W) {现在call xcorr 100次，耗时78s.
% s. _6 E& o( E8 C' y
如果把红色部分内循环本身完全comment out， call xcorr 1000次，耗时 <1s.
- T+ s/ L, P3 r2 B) e
4 Q# G/ E* f( y1 O

雷达

风雨无阻 发表于 2022-9-24 23:33
Maybe Debug mode?

" m1 s# S( q1 F. M$ @
不应该，看我上面的回复。

: r2 q4 U5 W5 R我更怀疑是 VS 社区版的问题

数值分析

& m5 ~0 S) I/ j) g

雷达 发表于 2022-9-24 23:54
+ P  b3 H3 g1 A. W, O  Dvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
        comp temp, xtimesy;

1 a4 m& l3 S2 p
8 C8 v$ W1 F$ j7 T1 P这个不是这么比的吧。。。
3 E! |4 b8 l, w1 ^4 O5 X' A
5 c4 R6 X9 k3 y' M7 @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）。
' X+ P% O; K+ I: ^& W3 s) 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
这个不是这么比的吧。。。

) A& @. ~$ o$ y" c* [: {2 q2 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）。

1 E3 W; ?9 y8 {8 ^
( V: T! T: `; n8 Z有道理。
9 y2 p; M5 F  p: B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。

) y0 T/ z/ K2 S6 y  s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
/ @+ D/ D6 D; G; _) U2 i' I0 F4 F  E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 ...

( W& V/ f2 q2 o7 a. B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
7 N0 B7 W' C) h) S0 e* D6 U; A( FWhy 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。。。

: S1 H( f# f3 P( T9 g3 e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

0 N. n3 v. [( h' M; S4 Y
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

4 q8 N, W) Y) P9 ]: L/ R" M8 o

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 ...

3 F, A2 m3 u) J( z) C* R
8 P0 x% z8 [6 z: U1 N1 C是的，兄台说的对。
0 T- J" N3 c# U: t0 V+ B
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。
4 o, m# y  l) c; i
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。
, F) x" Q% D, Z
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。

' F3 U& x" y" ?0 c& X' \2 d4 y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

0 ^' \7 g( n: h

沉宝 发表于 2022-9-25 01:27
6 }/ K1 ~' A' E0 M2 W, d5 T: S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 ...

* Y" o' o# q2 k8 l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。
9 y# u' l$ [/ b6 M$ u
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 ...

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

雷达 发表于 2022-9-25 04:47
$ V1 c+ I% l) j# T% P/ m; Q& p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 ...

# W, x6 g( i2 K# D- v- O

& o% q( J) C8 [1 F" g: Z( ]9 g能不能把这个也贴上来，看看和上一个有什么不同？

雷达

7 d5 P# T8 p1 j& @4 d$ j9 ]

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？

' H. K# i4 j; y7 }; X理了理思路，重新做了一个测试。
7 L2 t' e7 @' e! _" ]做了两个 vector 和 两个 float *, 都长 100000
3 M' r# c8 `. v* T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.

$ n4 P  U" w% r' w( C4 F, S内循环试了4种方法，
: Y% U6 h3 F! Z5 M7 @1. 直接调用 vector inner_product 247s
2. vector 循环点乘累加 237s
3. float * 循环点乘累加 204s
2 ]0 g# F- M, |" t( b4. 空循环 100000 次 202s

; ]7 ?3 W  m: B不做内循环 200s
+ a' A/ S" g- U& k4 X
( `: H# n3 |: d' A+ z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。

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）
; _' L  `' A! `! R% \# ^7 V
（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）
% p4 n/ B8 a: I2 E
, A/ b' _/ x7 d5 ^0 s2 s; j

        std::vector < float > vec1(N);
        std::vector < float > vec2(N);
% x) Q& J8 U. M& W5 z3 Y- X, k( Q        float* b1 = new float[N];
, f4 X- A- P2 M7 n6 R! x  M2 {        float* b2 = new float[N];
$ C, a8 T! u' _! R+ q. r# J
& z' |% W, N1 E4 W        for (int j = 0; j < 6000; j++)
        {
' Q+ z- o, w* Z: Q3 B9 m- v4 T$ l                std::generate(vec1.begin(), vec1.end(), []() {
                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
                        });

                std::generate(vec2.begin(), vec2.end(), []() {
                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
                        });
/ h4 O& x# e5 Y8 A7 G
: [, f9 O$ [; `6 D- g( B9 B- P* K" U                for (size_t jj = 0; jj < vec1.size(); jj++)
                {
                        b1[jj] = vec1[jj];
6 e& ]! f5 o2 g7 M* k6 z                }

9 z- d  c2 X4 [: b3 T3 c                for (size_t jj = 0; jj < vec2.size(); jj++)
3 l3 k' g: b; n: I8 V                {
                        b2[jj] = vec2[jj];
7 n2 L% y/ I. U# p4 @2 n                }
. x! N9 m: x7 u8 v6 M- A) O5 I7 c
                //Method - 1  N=100000 247s  
                //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
                                
                //Method - 2  N=100000  237s
2 o; J2 T. ?4 M2 g                /*
! g* O) @3 N1 J( _                for (int jj = 0; jj < N ; jj++)
% q& k: {% z4 u) e4 ^                {
1 [  }3 o3 I  @6 a9 w                        fresult += vec1[jj] * vec2[jj];
) v, C  H3 F+ q5 }. @) l                }
' e% e+ J* H+ g& U7 J9 i4 d4 ^                */
" [$ k2 ~( \7 G+ w; o6 l& f                                
- P8 q" q4 f% S0 V- e                //Method - 3  N=100000 204s
: C& A% d+ {  s3 _                /*
                for (int jj = 0; jj < N; jj++)
                {
$ V7 ?* \  w0 F  b& s) c% M4 p3 D                        fresult += b1[jj] * b2[jj];
  X$ o# _& F) p( E/ b: f                }
                */
0 C, M+ \- R. e0 A
                //Method - 4   202s
/ t7 a1 u$ g, @5 o3 c0 v" e                /*
! y2 E8 H& p" h9 h- o                for (int jj = 0; jj < N; jj++)
. ]* f5 [5 w6 A                {
) V( I9 \& W7 u9 Q4 i3 g9 \                        
  t9 X# v+ D2 i5 A+ x) y/ w                }
                */
                //comment out all methods, N=100000  202s               
        }

        delete []b1;
5 p1 L4 K$ d+ M4 P# y3 x2 _        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？
6 O1 D" |" B* b! O7 q* H
1 q4 {2 j6 l! C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？
3 h$ z5 d, ^; m- h- E2 H; d7 K6 \

雷达

机器猫 发表于 2022-9-27 00:15
. d, }9 {* |1 p. {. M2 g. F' }2 x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 ...

7 N- Q' ^  c: w, P% _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
0 R! `2 T& l+ [$ n9 h2 L- W
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

不和它 ...

0 s, q' D* B& H
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)
* e5 G6 U- K, d+ J. h% |% m{
) l; F( r( K, D- e        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？
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。