C++ 提速的新发现

雷达

C++ 比 Octave 慢好多，怎么破？
- B9 h( I6 o* \
( X' \3 d( F7 {6 p% q; }3 ~$ G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。

7 f; b5 }! ^# h" b( U: A. [; ^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？
% x) v5 f& \; F4 c把代码贴上来看看？
8 z" q4 |- A2 D! O# v  ~5 j
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

& i) [* [1 F% j, g' v, h' O

数值分析 发表于 2022-9-24 23:04
# f! y8 y" ~- H拉下来？拉多少？
把代码贴上来看看？

/ C0 I# x7 a9 @# r
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
! }. T- `- _8 k6 E* V% P$ e! g& l        comp temp, xtimesy;
        xtimesy.re = 0;
4 ]! m  {, F1 g6 u/ Y- M        xtimesy.im = 0;
" @' f9 b9 i' n& E& X        int j0 = lenB - 1;
  X( @5 v5 h) u0 T# _7 P        int    i, j, i1, reali;
        if (lenA % 2 == 1)
                reali = lenA + 1;
        else
; S( x  W, ~: h& m4 y                reali = lenA;
3 H1 i$ F" F' D( C) |% K0 G        reali /= 2;

& u) N* H  M# a9 @0 e8 \# f+ t        int nconv = reali + lenB;
7 e: G2 ?* d" C0 t' X/ i) u        //#pragma omp parallel for
0 b; ^* i; Z6 e; D6 [% _  t        for (i = reali; i < nconv; i++)
5 T0 T3 a# ]9 P7 \/ ]        {
  P1 D) y- N) y                temp.re = 0;
+ T. g0 @* d. }  J                temp.im = 0;
                i1 = i;
                for (j = j0; j >= 0; j--)
                {
                        /* floating date operation */
                }
        }
% B7 c" v8 J& h; ~}

& @& R2 P; \: `5 m. lxcorr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
" U. }( l- a7 a8 Y4 ?2 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。
3 k4 I# {' ~& u8 g3 i% Y& @4 k现在call xcorr 100次，耗时78s.

; n2 g2 Z* ^5 a( \" C" F如果把红色部分内循环本身完全comment out， call xcorr 1000次，耗时 <1s.
+ ]1 p# w! b) e& o1 s. s0 B
! [9 D9 M3 G' r0 ^- `

雷达

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

5 ]$ |) f* {2 `  ]3 f不应该，看我上面的回复。

  J* e' z- P7 `( @8 ?) H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
, }+ Q% K& V4 Z" _7 g' Y( u* [void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
        comp temp, xtimesy;

6 P, |7 I5 \7 h; t( p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。。。

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）。

' D, p$ t; X& z  J. q! \; U
* G1 I9 _. l- c8 G# C% Y' V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。
( I9 C" C  E4 _# @3 i3 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
7 v3 D( v1 V* W/ J8 V: U4 g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 ...

( z$ _! M% C3 p7 ~! G+ Z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
) L+ b; ~- J5 F5 q  C& B7 }+ H这个不是这么比的吧。。。
9 R; B) o$ e4 p% w2 d! ]! H
: i+ W$ {( x% H$ R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

2 C( P% S+ j8 B7 R" ^

沉宝 发表于 2022-9-25 01:48
4 x; Y( g1 C- ?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 ...

! R% b( F; @% Y4 o/ e2 |. K6 g
是的，兄台说的对。
) q( z* r. a) ]% ^2 T' a
, V2 N. q% |4 V4 R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。
3 L6 R4 P/ h' U1 f' E
0 I9 R8 `6 a7 ?, I0 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。
6 t5 e- `' l! B$ `* j" F( Y
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。

, C" W. N) T0 Q2 n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

6 i. V- d' f+ ]" t6 b

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 ...

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。

+ X, a; Z( T# T; F我已经完全懵了。

沉宝

雷达 发表于 2022-9-25 04:47
% C5 M0 n  p' _' E$ D$ j# F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 ...

' v4 M; t' o- y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

; f$ ?8 g8 H* v( f

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 ...

/ b7 j2 y" a2 D4 m
: q0 T/ ^9 p: M+ N# Q

% n1 T  |8 _5 u) J9 Z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
3 }7 W. P! g6 \/ G! j) s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.
4 q: f( j3 f( c  V* E  ~
内循环试了4种方法，
1. 直接调用 vector inner_product 247s
2 R) Y) [5 J) m# ~4 t( o" m$ F2. vector 循环点乘累加 237s
4 X3 Z' E$ o% m7 ~# \: x3. float * 循环点乘累加 204s
4. 空循环 100000 次 202s

不做内循环 200s
) P3 X8 s( D% T: x+ n# I1 I' |; Q
/ |& W' _0 _5 _6 l9 l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）
. n) C; U# G4 T$ |
  o4 F2 d5 S  F6 s  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）

        std::vector < float > vec1(N);
3 F3 o5 R% p* J8 B' Y        std::vector < float > vec2(N);
        float* b1 = new float[N];
        float* b2 = new float[N];

, M  B- H( ^; Q8 ]' }& y, l        for (int j = 0; j < 6000; j++)
% s& p# H" A$ ~: e! Y/ M, A0 k        {
                std::generate(vec1.begin(), vec1.end(), []() {
                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
                        });

, V. h9 ]+ r1 @6 \                std::generate(vec2.begin(), vec2.end(), []() {
                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
0 X9 }: L9 @/ X                        });
9 I4 u( m# C7 j! N# j
0 @: p+ j  ?' f                for (size_t jj = 0; jj < vec1.size(); jj++)
2 ^# B; _: E6 W# Q% p) W  [4 t9 N                {
. [8 y7 Y; P7 \2 I3 e5 J4 G                        b1[jj] = vec1[jj];
                }
: L5 e9 [. k1 e
$ I. V; O9 l; Y/ b& ]                for (size_t jj = 0; jj < vec2.size(); jj++)
                {
                        b2[jj] = vec2[jj];
4 q0 Y: \  H2 e! u5 V1 w                }

2 {( A! e" O1 I; E' p! {9 p$ k3 F' }                //Method - 1  N=100000 247s  
7 _6 Q: ^1 N: T                //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
7 t: y2 {8 I" R# C# Y6 H. j                                
6 \5 W3 J+ P3 {4 a8 E4 o                //Method - 2  N=100000  237s
8 U/ }) a! u1 Q4 \" m% f9 P$ p1 s1 R                /*
3 h, ~8 G" {1 l/ U                for (int jj = 0; jj < N ; jj++)
& \- p% J9 `) H  J- p; |                {
                        fresult += vec1[jj] * vec2[jj];
# X$ D* V& O6 b; [2 i3 I' }! |                }
                */
' y4 H5 ?2 D6 r6 b- G' j                                
$ u6 b  m: n& O- S1 X# i) y5 f                //Method - 3  N=100000 204s
                /*
                for (int jj = 0; jj < N; jj++)
2 x- `5 y: ~; M1 ^) H, o( i                {
( U7 O! b3 U/ S1 f; z& W8 T                        fresult += b1[jj] * b2[jj];
                }
0 p1 p  h# d6 r( U3 l1 q6 g                */

                //Method - 4   202s
0 G; [. N' c& Q/ G, U6 w( s1 _                /*
                for (int jj = 0; jj < N; jj++)
9 d5 q0 [2 y; F0 B3 A                {
                        
                }
( X) |/ [: {/ H4 W3 z                */
  D! y  v/ |: T6 Y+ V# }  V                //comment out all methods, N=100000  202s               
        }
  @/ i- z  r, f! f
# n; D/ _# x, X& k        delete []b1;
$ O2 h5 W/ B* p) p        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？

( N9 R, D8 X, V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？
) v$ W$ j; ]% X. ^8 Q" X% ~- _

雷达

机器猫 发表于 2022-9-27 00:15
9 e6 k" ^2 {, g8 x9 A4 z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？

$ x" Q4 a6 I) |你第二个试验里面的j在循环里面又重新定义 ...

/ a7 r/ B5 i# O5 j  [# k1 k: P7 g, |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
) c4 [: d" ^8 H% L; p' ^# {
5 N& }) ?/ A+ H' s- Z8 J" b& b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
7 M5 q2 p2 d9 u4 J% O3 Z3 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

8 h8 g" f: P$ H1 i  V- p不和它 ...

- V, Z6 k* m( N0 ?7 E' W
  _& |# D  @( M# K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)
{
5 O7 e* E# N4 w. K8 S# ^        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。
( b; y) O7 l! {- P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。