C++ 提速的新发现

雷达

C++ 比 Octave 慢好多，怎么破？
) y  I# l8 Z1 ~- K. J1 r
) s: ?& _) k8 V3 O; o! 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。
3 Z0 X. f2 [' Q0 _! v9 u
+ d1 D- b3 _+ }$ ]3 l速度优化问题真的很有意思啊。
, r# D$ m' U5 r: Q3 R
( E+ L/ k: a4 C- j/ _6 H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？
: [" B* i. Y) f& L
- Y8 z  U* E- i3 A/ f% g1 b0 h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

3 o. d) h; Q$ ^0 R% ?6 P) b

数值分析 发表于 2022-9-24 23:04
1 w, J( Y# N) d! ^& X拉下来？拉多少？
把代码贴上来看看？

9 k1 h& U# S( J0 i6 x/ W5 @: {+ l
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
3 K6 c7 T0 p. i1 A' D+ k# b        comp temp, xtimesy;
; t% R5 ]- U! l# C- K: B  E- }        xtimesy.re = 0;
        xtimesy.im = 0;
        int j0 = lenB - 1;
        int    i, j, i1, reali;
- B- w5 _& u; Q! O2 _        if (lenA % 2 == 1)
3 Z* z4 x5 j* x; i3 _  p                reali = lenA + 1;
        else
. e- `- @, M1 V5 W6 \+ A                reali = lenA;
        reali /= 2;

0 H* l+ \# k+ V) m, |) g        int nconv = reali + lenB;
        //#pragma omp parallel for
: j/ p" u0 G- s2 y5 _! }$ F! x        for (i = reali; i < nconv; i++)
" f( p+ K$ C% t' Q/ w) j2 n        {
* E. b; V9 X- G) W                temp.re = 0;
                temp.im = 0;
                i1 = i;
                for (j = j0; j >= 0; j--)
                {
                        /* floating date operation */
                }
        }
}

5 s9 W: Y9 B% J& u2 U+ Nxcorr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

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.

9 M( A4 _* Q, `" ^$ s如果把红色部分内循环本身完全comment out， call xcorr 1000次，耗时 <1s.

3 U1 H" E4 z" O2 t7 s) S  O

雷达

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

* s/ R8 }' V7 P0 i) x, a! r
  h" R! t2 \4 H* S5 c, b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
; o0 I) |0 g- J. f. ~void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
        comp temp, xtimesy;

4 D' H6 c% u( M
! D) Q% {/ Z5 S7 |这个不是这么比的吧。。。
0 A9 W5 s; z/ U* }* }
' I, y1 J' ~6 Z( f; [$ N' j- a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 I: h0 \( g  y3 k4 ~" z% u
* F% L5 i2 Y' f& p/ e# {/ f* y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

, V3 k) Y& w8 }- O) [4 t/ `

数值分析 发表于 2022-9-25 00:20
* R& ?+ m3 Z6 U1 s, A- N' A: y这个不是这么比的吧。。。
! S- k5 J, D& j: V4 E8 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）。

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。
0 ?$ ?/ q: I  n9 i* O; a: z' G
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。
# g$ x- X$ L& I2 L2 Y/ P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
  n( x4 W5 B. y9 F- ~/ cWhy 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。。。
& [/ E% q) o# T. n
/ N4 A1 \5 A+ f1 ?5 C' t1 t' @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

7 `6 E2 b9 X; o4 j
1 R6 u) p6 z# @) U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

5 h, A6 o& ?6 H5 K" C

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 ...

5 g, ?* [. `! x  H2 V" x/ i) T是的，兄台说的对。

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。
- }6 u  r7 S& p. v( z2 y, B, Y; D! l
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。

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

0 \6 j5 z+ s3 Y$ `, O4 b0 I8 Q

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 ...

9 O, Y/ b5 O! N+ Q, S+ w; N
/ X! W7 ]2 R" W# K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 E' r- f  P7 ]  q
我已经完全懵了。

沉宝

雷达 发表于 2022-9-25 04:47
+ ?- x3 m& j4 W( H! w+ A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 ...

3 k/ i4 b/ l  X. V3 L时间差一倍的结果可以接受。
* h$ U2 l: B  W  `4 K: C
你还是用profile工具看看吧。现在大家都主观瞎猜。

数值分析

& H. F0 h1 k  }0 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 ...

  q1 i' b; g+ [
& @, ]4 j0 m* y' D" i( a) q
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 ~5 I9 p  V# d, J" @- F, T' j1 I$ H) E能不能把这个也贴上来，看看和上一个有什么不同？

% G. h2 Q3 P4 `& o, \" q4 A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.

内循环试了4种方法，
" t' I  m# Z4 L1. 直接调用 vector inner_product 247s
" {3 _: @! j- ^" ~* L2. vector 循环点乘累加 237s
3. float * 循环点乘累加 204s
8 R: C( z6 y% W: T1 z! y4. 空循环 100000 次 202s
& \; D: z! P, N' W) A, i4 _/ m
- l2 L; ~. b" J9 F* _' `0 {0 W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。
8 V8 Q: C. g0 Y; v+ C$ I另外可以看到， float * 循环点乘累加 并不差，比用vector 还更快。

/ g: m2 @4 c2 i- E- }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）

        std::vector < float > vec1(N);
$ @- V( y% O8 T        std::vector < float > vec2(N);
! k" M9 Y  e* A  S( t        float* b1 = new float[N];
        float* b2 = new float[N];

        for (int j = 0; j < 6000; j++)
        {
2 K" `- f3 b  r                std::generate(vec1.begin(), vec1.end(), []() {
5 w8 L8 `) c9 `: Q                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
                        });
  L& B, }  K! j
                std::generate(vec2.begin(), vec2.end(), []() {
9 W2 ?5 O. g" E5 |9 j) ?$ T4 d; d                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
                        });
4 U/ M, u" u+ l# r
0 @7 E/ h1 _: ~3 |1 G  a- |# Y" _( j                for (size_t jj = 0; jj < vec1.size(); jj++)
1 B- L. \8 i6 r                {
2 f0 a0 |  _9 G" \                        b1[jj] = vec1[jj];
                }
1 a2 H$ e! g5 J' }. w4 K: F& u! W( `$ a
2 z4 y, j2 B  q5 n( f0 y                for (size_t jj = 0; jj < vec2.size(); jj++)
                {
                        b2[jj] = vec2[jj];
                }

% g- p, e8 J& ?; @                //Method - 1  N=100000 247s  
                //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
                                
% }- X+ K2 h; [7 y0 z( c                //Method - 2  N=100000  237s
                /*
                for (int jj = 0; jj < N ; jj++)
                {
/ Z, _/ I; A) F, s$ |% u  ~  H+ C                        fresult += vec1[jj] * vec2[jj];
                }
2 l8 \& @" S3 a9 \                */
                                
                //Method - 3  N=100000 204s
; z$ y  O) n$ B                /*
                for (int jj = 0; jj < N; jj++)
                {
2 E( ~/ U* {) w( |' A/ a' Z                        fresult += b1[jj] * b2[jj];
) w* D' f1 x3 ^9 P( p% L% T                }
7 t; u  [3 X/ U8 E' p* y. m( n5 o                */

# I7 S. ^; l& c& f9 M' p                //Method - 4   202s
7 v$ [+ c1 |  F' \3 l0 _4 \                /*
                for (int jj = 0; jj < N; jj++)
                {
                        
                }
                */
* ?/ ~  J- T  G- w. T4 C                //comment out all methods, N=100000  202s               
# K, }- m! Q. H        }
& h  q& x6 J9 T. G
        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？

2 \, i: `/ f3 [& l) i. f! g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？
: t: W  H9 g8 P+ B+ i- q

雷达

机器猫 发表于 2022-9-27 00:15
5 v$ M$ a: j6 i5 o% 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？

你第二个试验里面的j在循环里面又重新定义 ...

2 h0 e5 O/ y; M7 h( S& c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
2 [. M0 _* w; T( P5 G7 N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 ...

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
1 N! R! ]* a7 H# y/ G! Nvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
. P4 b& Y$ Z$ W1 T; o{
        comp temp, xtimesy;

0 p. B  I3 [1 z! s. G; 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。
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？
4 X0 I% g8 Q1 r/ n! {2 }; |+ E$ PVS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。