C++ 提速的新发现

雷达

C++ 比 Octave 慢好多，怎么破？
6 I! V+ Q, X  \- y5 T9 m& ?" ~
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。

1 G$ C3 W5 X) n8 f4 U4 t7 Z* |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？

( I  o; B  F# d# {# _/ T9 r' 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
拉下来？拉多少？
把代码贴上来看看？

void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
! q% C) z+ i" j& P: G( e& O1 R1 [        comp temp, xtimesy;
        xtimesy.re = 0;
5 H2 f0 V% D% [6 W  O        xtimesy.im = 0;
" j* v. u) f) ]6 M1 ?$ `8 N        int j0 = lenB - 1;
( g- _. `' u4 _* m        int    i, j, i1, reali;
        if (lenA % 2 == 1)
: R8 p; v1 b( @5 L                reali = lenA + 1;
        else
                reali = lenA;
) G  r  |. v+ q; [* U8 A        reali /= 2;

$ f6 o: W% |  h        int nconv = reali + lenB;
6 ~0 D& K2 ~8 p3 d  d        //#pragma omp parallel for
        for (i = reali; i < nconv; i++)
/ ]1 f3 `1 k; X; _        {
4 }8 I' T' s2 o- K                temp.re = 0;
                temp.im = 0;
& D1 g5 o4 G7 J0 O+ x                i1 = i;
                for (j = j0; j >= 0; j--)
6 \5 T9 c; L) \2 a5 I                {
; ~7 e' o& q$ _0 `                        /* floating date operation */
+ i9 h% g' N  Z! n+ N1 N6 f% @# `                }
; _6 }5 f/ h) H        }
}

  [! W6 W: B) u; Z8 G* n; \5 p8 ^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
2 i1 a9 Q3 e5 w4 V$ X
3 g& K3 p- K+ s- Z  V: ^红色部分是内循环，现在其内部操作都comment out 了, j0大概是 6000。
5 ^' p7 P* s, V9 I- ?现在call xcorr 100次，耗时78s.
! a! O. x% ^& h- J
如果把红色部分内循环本身完全comment out， call xcorr 1000次，耗时 <1s.

  I4 t4 m  `  Q: s4 j' k, \

雷达

风雨无阻 发表于 2022-9-24 23:33
. y9 I. x3 ~) ZMaybe Debug mode?

* F! W* w# n( u' t6 r
- F, X$ _. Q' ]  I9 K不应该，看我上面的回复。
* H  Z+ L" H0 \
我更怀疑是 VS 社区版的问题

数值分析

! S6 L2 I  O3 s% o- g- Q2 b  e! y

雷达 发表于 2022-9-24 23:54
3 s; s* N7 ?. R. M! v8 p' o5 Tvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
: G6 y+ u+ ?: {        comp temp, xtimesy;

! j1 }/ b* u  m5 N
$ |, v2 t# r4 S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）。
1 U# l" `+ J  {2 u
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

& O4 |$ B4 `2 p4 q8 J" p

数值分析 发表于 2022-9-25 00:20
+ w. ~% P. j, x4 G! A" F这个不是这么比的吧。。。
# E& ]; I& n/ i$ f+ 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）。

# d1 X6 \; M/ v
有道理。
. Q+ d! R8 k% Y& B9 t4 W/ I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。
$ T) d5 B9 N: L% @  h
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
' ^" Y2 E$ m! ~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
+ B9 V1 w- {$ i8 eWhy 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
  k, J0 G: D; r  h这个不是这么比的吧。。。

* l% l1 G# ]% \; u9 ^1 b# B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

沉宝 发表于 2022-9-25 01:48
& p* O" T' ?8 `& U5 M- B  M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。
/ H1 N# N. J5 M. S* I- |3 H
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。

7 W  n9 k0 e# W" f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。
  i6 ]9 ?, u. j1 c
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。

; A: o/ Q4 T3 P5 G) x6 c- O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 ...

7 ]) g5 n3 ]' E) |! n
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。
( H1 W# _1 g5 w7 m* E9 @1 \
# f6 E8 P+ [/ f" b+ S2 A7 ]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 ...

: R7 p* \' O0 Y8 A4 `* N6 k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

4 a% |4 i! P* q: x. ~" V- B% O, {

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 ...

* c  q9 Z( E% r' _6 B2 q9 V$ U
8 r: e! o+ R! r( a

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？

7 y9 X+ C1 N# S7 l, }8 Y, @: h理了理思路，重新做了一个测试。
0 \2 M  r" d8 R- Y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.
9 x8 r& i% F7 Q) K
$ r; L7 p% s7 a内循环试了4种方法，
6 l1 y' N2 o; O+ B" N1. 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
1 R7 c6 ?1 W* r, h" K! @8 N4. 空循环 100000 次 202s

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。
. Q9 C7 y8 F9 x
& }) i- Y! r# Q5 ?5 F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）
0 E( m# a/ Y$ T$ h6 B
6 |. S$ H: x* W) }. z/ P- s（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);
        std::vector < float > vec2(N);
        float* b1 = new float[N];
        float* b2 = new float[N];
" X- p# ]8 d1 h8 n6 `3 P% c
        for (int j = 0; j < 6000; j++)
        {
/ y* T; S7 T+ \7 e( o) [                std::generate(vec1.begin(), vec1.end(), []() {
( a7 A3 l- i9 @9 x1 x$ ^                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
/ J6 R" T" @) A& Z# N( E+ {                        });
# M9 ^1 {7 u/ S1 p
% }- ^, J. r6 [7 O. j3 G                std::generate(vec2.begin(), vec2.end(), []() {
, E; P2 Y7 |5 P! f3 l( F8 G                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
7 u6 v% b- z. R                        });
3 S. ^; u  S. A
                for (size_t jj = 0; jj < vec1.size(); jj++)
" |; l7 Z: y! R1 K' p! p                {
1 r' d5 T- p1 h) S) P7 q1 i; i                        b1[jj] = vec1[jj];
                }

                for (size_t jj = 0; jj < vec2.size(); jj++)
6 u5 F5 [  k  _6 }                {
                        b2[jj] = vec2[jj];
                }
2 Q, n5 u. N. Y* v
                //Method - 1  N=100000 247s  
# s6 r, H' A4 e; [4 X6 O                //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
" {; v; z8 K" A                                
                //Method - 2  N=100000  237s
3 l: N8 a  J/ T: E8 ~: B                /*
                for (int jj = 0; jj < N ; jj++)
                {
* H" [% ^' n& c# h' g                        fresult += vec1[jj] * vec2[jj];
                }
! p# I0 m6 L6 M  N0 J                */
3 O; Q2 b1 p+ S2 }5 y                                
                //Method - 3  N=100000 204s
                /*
                for (int jj = 0; jj < N; jj++)
& J. S7 x0 i* `6 y, s: y                {
% p- l5 c1 u! M: I& k                        fresult += b1[jj] * b2[jj];
                }
                */
. V6 z6 i- f% C, l' ]
                //Method - 4   202s
4 Q; {5 l, c- F4 V* y                /*
                for (int jj = 0; jj < N; jj++)
                {
                        
                }
% r: E$ Q  \. P5 r, |5 {6 Q                */
$ R8 j* w1 A; T" a                //comment out all methods, N=100000  202s               
        }
( P. S+ S' P' L, |
$ W- p! c/ Z3 v# X5 t5 q" S* s' x        delete []b1;
        delete []b2;

+ D7 k9 p, \, v4 x  _: Q; D

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？
. E9 X4 Z% A. ?# W$ i5 Q* 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？

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？

5 m. w$ ~3 \( q# ]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
) e% J& y9 n$ O, d
5 W/ W' e) z/ `3 [% R9 |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 ...

4 ^& I6 Y6 s9 D& E6 V, K3 s
6 X, O; h  N' D  {# J) ^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。
3 @! J% `! `  N9 x& e1 P7 U6 h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
# D: S$ c% U# H) W4 cvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
  J) }8 S" _/ G! h6 G        comp temp, xtimesy;

- y& D2 T  `# k2 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？
% I8 ~9 d! e' Z$ M# g5 Z* BVS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。