C++ 提速的新发现

雷达

C++ 比 Octave 慢好多，怎么破？
8 W# U; c  l: N; S6 c% J' G! C& ?
1 C3 ^9 S( w- l" j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。

" j1 C0 ]0 ~$ o速度优化问题真的很有意思啊。

+ Q5 C% C6 R2 m! V* s/ d欢迎大家继续讨论

数值分析

拉下来？拉多少？
' E3 e( o# q' f# k把代码贴上来看看？
- F! O0 w* Q  B. J- Y
4 H' ~! y+ c. o6 W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？
6 k- P/ g# L) v4 @8 [4 C5 F* F把代码贴上来看看？

2 `/ l5 u5 u- L
4 h# {# j1 L8 s1 Pvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
        comp temp, xtimesy;
# ]* k5 ?$ ~2 ]8 j* z( _( Y        xtimesy.re = 0;
& m( b  x0 T3 V8 H9 c% [        xtimesy.im = 0;
4 W5 k1 d5 U$ a& I$ O$ u  H9 A        int j0 = lenB - 1;
8 c3 j' h6 a! k' f        int    i, j, i1, reali;
& `! B- }3 E2 c8 e- `( u& G% w        if (lenA % 2 == 1)
1 t& @% K9 ^- r/ @, s* o' h  t                reali = lenA + 1;
        else
                reali = lenA;
; \' L" M6 J! r% n2 Y- Y        reali /= 2;
! Y6 F5 i( q  M+ {! Z3 U9 n
' f! x& Y& x4 _' B% G5 T- q        int nconv = reali + lenB;
* K' e3 N; F- l* i; g( B- m        //#pragma omp parallel for
        for (i = reali; i < nconv; i++)
8 S; G4 E# _) s" F  c        {
, s2 S$ S3 f# n, R& O6 W+ N$ b                temp.re = 0;
2 Q( J5 M4 M! \0 J; e% H1 ]0 T                temp.im = 0;
/ Q$ d$ C5 K' w. `4 N, s( u4 F                i1 = i;
. q0 g2 l2 r" `0 b                for (j = j0; j >= 0; j--)
                {
2 N6 x# M4 N* B5 l                        /* floating date operation */
: H' Q4 a6 x9 `, b. E  \9 v, a                }
        }
# k5 o/ L  n- H}
& |' p' ~4 Z) i4 }+ L6 T+ d* w
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
+ d5 _( r2 b9 x0 P- M
红色部分是内循环，现在其内部操作都comment out 了, j0大概是 6000。
1 O, p& W+ h0 `* @8 I3 L8 P现在call xcorr 100次，耗时78s.

如果把红色部分内循环本身完全comment out， call xcorr 1000次，耗时 <1s.
. `: p  z! {- y8 u0 E/ u) N

雷达

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

& y5 G# {  [& O) L4 J. }  E/ o
不应该，看我上面的回复。

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
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
/ p! X) E+ O1 s: J        comp temp, xtimesy;

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）。
8 \$ y9 l7 _9 [3 B. t
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。。。
4 B1 _8 L3 o$ V6 X: q& Y2 Q8 _% _
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）。

* ^5 v) L, y6 R- Q1 z" n& F
有道理。
! @' O! d5 }3 @4 L5 G8 X+ E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。
' v4 [3 b( W7 C
; j6 Y' P* k+ A; F+ ^. h% I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。
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
9 @: i5 V* w1 R0 f: f8 ZWhy 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。。。
' g% b9 O/ U, Q. B, {& x
& i! ^% c0 ?9 {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

4 X/ Z: a* i1 N. V6 m: g

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 ...

是的，兄台说的对。

0 w; \- G8 t5 Y1 ~7 C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。
9 |" v& u% a  H$ B% k5 n
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。

' u- m8 O. w" L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。
, h& ]7 p* e$ ]# _# T" Y' 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

  @4 d9 W9 O, @6 e" i

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 ...

3 d+ Z6 Q5 E; Y6 ^2 }% D
, I3 N: ]8 g2 F& O+ 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，时间差一倍，我上面这个差的太多了。

4 R0 {# l2 {. _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 ...

; F0 s4 i" A. k) Z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

* e8 t4 j0 c( u- ^

雷达 发表于 2022-9-25 04:47
* ]- Q# P0 v: l* X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 ...

能不能把这个也贴上来，看看和上一个有什么不同？

雷达

3 |7 g) E7 B, g) T) ^: ~! F/ P

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
; L1 f0 a) s$ l/ `6 p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，
: ?( m' Q9 T2 j# v1. 直接调用 vector inner_product 247s
0 m6 a# B1 D' \: k+ u+ v) C8 V2. vector 循环点乘累加 237s
3. float * 循环点乘累加 204s
4. 空循环 100000 次 202s
, J: s/ v8 v* X* w  W
不做内循环 200s
5 S( A1 Y7 ^0 b
- k+ u/ _+ n" Z/ {8 @+ ^! S$ U你昨天说的对，内循环本身占比是很小的，大头在其他处理。
' V7 U  X# @& H% a  S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）
3 \- H4 G( P2 `/ E# V- H$ [& E
$ d1 r- B5 n& S0 w, [/ t5 O（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);
- s$ C9 m8 R3 H5 e7 J        std::vector < float > vec2(N);
* t) W8 j2 c' R' f8 p1 d) I6 [        float* b1 = new float[N];
        float* b2 = new float[N];

4 M7 v% S$ v. z        for (int j = 0; j < 6000; j++)
        {
                std::generate(vec1.begin(), vec1.end(), []() {
                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
                        });

+ E& }) v& P: P& S; f                std::generate(vec2.begin(), vec2.end(), []() {
" M- F7 t8 o6 A- y, W1 o                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
                        });

* f0 ?1 H* W- Y- s                for (size_t jj = 0; jj < vec1.size(); jj++)
                {
% ~! Y+ V( @* I                        b1[jj] = vec1[jj];
                }

/ w. G2 g/ i% H/ p! S; N                for (size_t jj = 0; jj < vec2.size(); jj++)
                {
                        b2[jj] = vec2[jj];
                }

                //Method - 1  N=100000 247s  
3 X' M7 h3 S8 m" F% r5 k                //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
7 _; ], Y& o$ @( w                                
                //Method - 2  N=100000  237s
1 T/ [1 T; A$ {; g                /*
% k  V7 n3 v; i3 E7 A2 j                for (int jj = 0; jj < N ; jj++)
7 C6 |1 j0 n% p                {
6 _/ C# @- S4 j( e$ Y; {$ ^0 f                        fresult += vec1[jj] * vec2[jj];
4 v" [5 O4 K8 ~4 S2 b                }
0 I$ V3 Q$ S+ b                */
                                
                //Method - 3  N=100000 204s
                /*
                for (int jj = 0; jj < N; jj++)
/ _* w. R% M6 C+ G4 @& j                {
                        fresult += b1[jj] * b2[jj];
, \8 u" }; a6 O1 s' B                }
& z" ?+ m: z. }/ |2 f9 _                */
& w: g# n' w1 }( `% M  t8 i2 E0 x! V
1 R+ q$ v- x" d9 t: F' C$ O# Q                //Method - 4   202s
% i; W8 b( q0 _, V2 C/ M                /*
7 j0 `- d" D% V; R' ]                for (int jj = 0; jj < N; jj++)
                {
( \2 A/ |7 l9 e' a2 I9 g                        
: x' b9 G/ t  j- j  u                }
. Q$ t$ A) s. }2 t' e                */
7 v2 Z2 s' B3 p! ]                //comment out all methods, N=100000  202s               
; i3 w+ G3 ^8 t7 v        }

        delete []b1;
$ T4 a. t0 a: H/ r  D        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？
0 P3 J5 }$ g4 d

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？
2 ~& s$ D$ d% }0 u  a
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
# U: c2 L4 l( x1 B7 k  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
7 Z# x, {6 U- q7 R4 a# {1 Z
/ F+ o* d' x  O! k4 e7 q& n! e不和它 ...

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)
{
        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。
6 n# K1 X$ p2 f- Z! y2 {  y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？
+ |* [% T/ k1 W* QVS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。