C++ 提速的新发现

雷达

C++ 比 Octave 慢好多，怎么破？
! A& B6 @' @$ Q
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。

速度优化问题真的很有意思啊。
) M/ I; f, w9 Q8 M; L/ Q6 c
欢迎大家继续讨论

数值分析

拉下来？拉多少？
& g3 s1 z$ ?) ]  U+ J把代码贴上来看看？

2 y: d$ U+ h+ z, {4 l; ~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
0 Q) K: s4 k1 i) F2 I5 u拉下来？拉多少？
; s9 ^* _4 O5 i' [' \% K把代码贴上来看看？

; |& C/ s' r& x1 D( i% \- l2 q$ z
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
        comp temp, xtimesy;
        xtimesy.re = 0;
; d0 j2 X; X' k/ [  y5 R5 a        xtimesy.im = 0;
        int j0 = lenB - 1;
+ B* a( C$ X1 f# F0 h: C        int    i, j, i1, reali;
        if (lenA % 2 == 1)
                reali = lenA + 1;
7 f' c/ c( |: G6 ^9 n- X( Q+ D        else
                reali = lenA;
        reali /= 2;
. a: P0 p+ ]' o& a4 V6 c( t
; p$ ]$ z, j6 a( R  f6 o& K        int nconv = reali + lenB;
+ h) @" i& P& z& D4 _        //#pragma omp parallel for
        for (i = reali; i < nconv; i++)
        {
* ?; [+ f8 M* ^: B                temp.re = 0;
, H, p* o/ ]! e; R                temp.im = 0;
7 H8 p) X0 f& Y, z) R                i1 = i;
3 g3 b( W  g- s  f                for (j = j0; j >= 0; j--)
                {
                        /* floating date operation */
0 m" [# R. T, @4 c                }
+ R. z( a: D% K' m" w9 Q        }
}
2 V: r9 b$ ]6 c; H! U) L9 a
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
4 ^7 ~2 |, \9 @, e5 `& w
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.
7 ]+ ~  ]/ A! y0 F  ~- P
如果把红色部分内循环本身完全comment out， call xcorr 1000次，耗时 <1s.
. E5 j; G. J# }# x$ K0 W9 I6 L3 k

雷达

风雨无阻 发表于 2022-9-24 23:33
' I7 V1 i/ k  L  B( s0 gMaybe Debug mode?

+ H5 n7 x  }4 _3 V
9 x* ]& D" i. f: H不应该，看我上面的回复。
, [3 F1 p* P4 T4 d) p
我更怀疑是 VS 社区版的问题

数值分析

( E7 `, L& s& p. S' {$ I2 ^6 l

雷达 发表于 2022-9-24 23:54
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
) r0 _" K" b, z. Y) H. B{
        comp temp, xtimesy;

$ X/ e' }: j9 N" u! u* j) P
$ ~) G4 L( |0 s* R$ x这个不是这么比的吧。。。
* x2 j* Y. C2 W# g  P1 p
; q  B7 y  j/ y* M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: J3 ]8 z: E3 ~% h* w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

/ v) R: o, z  q; O

数值分析 发表于 2022-9-25 00:20
1 S1 N, V9 p# D4 s: i, S这个不是这么比的吧。。。
( T7 x& ?0 Y0 {: c
8 b$ f7 s9 i  Z. r4 ]% }7 l8 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）。

; ?  Q+ G# }3 u" t6 m2 a5 M有道理。
0 u+ O/ }) P$ e- u' F5 p7 R; D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。
; k, z- F6 g$ |* l& _
: [! H# H/ R8 b$ h: r4 p( T% [8 s$ B$ M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 K/ V2 A3 C( }有道理。
( t. b2 \: I# z* g: J: A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
$ [) B1 `" I; V" s) DWhy 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。。。

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

/ K+ p: z3 t. v- S  C$ r8 O; l. z

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 ...

' \/ V+ c3 g5 s1 d0 y是的，兄台说的对。
: h/ K9 E( d0 E+ i% J
/ Z* Y8 a( j$ z& L( p& E; x6 |  G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。

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。
! K8 z/ M, ]! u- u
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。

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

+ P8 e& f5 {4 A" x) A2 w/ t

沉宝 发表于 2022-9-25 01:27
1 }$ _! h) i1 y+ i7 }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 ...

1 ]9 Y* d  L8 Z' W1 H
9 Y$ Z  J( [. r# 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。

' ^: H! m1 V" }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。
! I. C3 ^0 \. |9 a: i
  h9 R6 o5 M3 y7 E* Y* p你还是用profile工具看看吧。现在大家都主观瞎猜。

数值分析

' p  b# ^* v3 @1 n

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 I1 q% }: G: N

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
8 E5 M$ B0 c& Y+ m; l1 \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。
5 S" ^% b$ m$ l" d8 d; o7 x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，
1. 直接调用 vector inner_product 247s
2. vector 循环点乘累加 237s
: U( d( q3 Z; D8 L0 U% q3. float * 循环点乘累加 204s
4. 空循环 100000 次 202s
5 j' u- y0 {: [9 D  Y8 ]* S) M2 O
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。
+ |0 d  V8 {9 R4 j, }3 G! 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）

（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）
0 P& [# f' Q0 ~' t0 z& l

        std::vector < float > vec1(N);
        std::vector < float > vec2(N);
  q) }8 D% R# w, U6 @* ?        float* b1 = new float[N];
        float* b2 = new float[N];

! j# G# D* H6 q        for (int j = 0; j < 6000; j++)
) u- i0 q; W: t' k( C' o: x9 \        {
; a+ P" Q1 ^+ _' }1 ]: `7 b! Q; \                std::generate(vec1.begin(), vec1.end(), []() {
                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
                        });
  U$ r' `( c& C4 `$ o3 V  l$ j5 L
9 ]7 v5 H7 y$ N                std::generate(vec2.begin(), vec2.end(), []() {
                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
2 K9 I1 W2 E2 j7 z" {+ r5 X$ _                        });

. |2 m! Q+ j. X/ _/ _7 v9 Y! B                for (size_t jj = 0; jj < vec1.size(); jj++)
                {
4 t: y. I9 Y1 o& j4 k                        b1[jj] = vec1[jj];
: p9 A6 W1 y4 i' n* @) \. r: T                }
% `/ L$ B3 h$ o& l' N- @/ q& K
                for (size_t jj = 0; jj < vec2.size(); jj++)
                {
                        b2[jj] = vec2[jj];
; V+ {* A* q0 x8 C! Z                }

+ C/ W% C. b  u: t! b' m- N                //Method - 1  N=100000 247s  
; k2 F' i; K, c& T                //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
% U" F# y0 h; f$ W! i# ]4 N                                
' a; w2 W( Z8 M* V# Y                //Method - 2  N=100000  237s
                /*
                for (int jj = 0; jj < N ; jj++)
; ~* l0 j2 `' ]0 e; `                {
                        fresult += vec1[jj] * vec2[jj];
                }
0 f) g& z% ]- l                */
+ u1 ^8 t  O* o7 M7 P: Q                                
                //Method - 3  N=100000 204s
                /*
                for (int jj = 0; jj < N; jj++)
8 i/ N! M7 Z2 O6 R& k* K0 b& ?9 b                {
                        fresult += b1[jj] * b2[jj];
/ _  }9 F% l' P7 I                }
7 ?# w1 a: m0 D; Y5 \5 f                */

                //Method - 4   202s
4 E. X) b3 x, ^0 R6 H: v* \                /*
2 z6 Y/ |8 D$ T9 I                for (int jj = 0; jj < N; jj++)
/ |3 W3 u0 y' Z, z3 w4 S( O6 ]# _8 _                {
, X% h4 [6 N% F4 u% P, N                        
; J2 V# N1 n* Z& z6 z                }
                */
                //comment out all methods, N=100000  202s               
' A9 T2 _9 G: G9 l* c        }
' Z# F2 F* U  l, u
        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？

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？
# s. h8 \- a6 Z+ F0 k

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？

0 U* }* @! N% \5 R你第二个试验里面的j在循环里面又重新定义 ...

) n7 A. @$ T! |* o# ]3 z9 a; M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

# g' n$ U# X  x7 g6 s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
# f( c. F( S0 r9 `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
% ~5 Y  v$ |# E# O( h
不和它 ...

$ X+ E5 r: V$ B  \  o
$ m6 q. i0 ]8 ^/ Z, \9 ^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
8 O  ?: E, [$ K" Gvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
+ M/ N% ]1 k% H# U) t0 o  a( r" g        comp temp, xtimesy;

. |0 n8 x7 I7 @0 p7 T) d& y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。
" _7 i* S2 D$ e) U7 Q2 G, l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。