C++ 提速的新发现

雷达

C++ 比 Octave 慢好多，怎么破？
7 q! E6 C8 ?+ I% |2 d' ]/ m7 h1 V
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。

- i# u% ?9 ^; z. t9 u: D欢迎大家继续讨论

数值分析

拉下来？拉多少？
: C1 e- t  [# W8 O  }- ]" y. p6 M把代码贴上来看看？
3 V+ c! u% N/ z1 F0 t
# T) r5 j3 |, I# _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

4 I9 L4 n% K4 o  }& O$ B8 Q( p

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)
{
6 H  E# Y, `- j  J$ `# t        comp temp, xtimesy;
1 F4 L+ d( C: C( q# L  M4 o3 w        xtimesy.re = 0;
, ^% P7 c. n7 Z        xtimesy.im = 0;
+ H7 v; _+ `% P/ Z: }7 @& D        int j0 = lenB - 1;
' G. X& h4 \) J3 I: M( ^' P$ G        int    i, j, i1, reali;
        if (lenA % 2 == 1)
0 w# O0 J4 ?- j3 Q  \                reali = lenA + 1;
+ u& {5 U1 F( \# q& f* n        else
                reali = lenA;
0 B5 L9 W) J* k! w  u        reali /= 2;
2 a5 o1 D; g9 N& n8 Q
        int nconv = reali + lenB;
) P' F, p6 H, n# T# x9 N% J! B$ I        //#pragma omp parallel for
) ?8 o) o. G6 Z# i; Q+ L        for (i = reali; i < nconv; i++)
        {
0 D' \# z' n8 k9 `* ]                temp.re = 0;
                temp.im = 0;
                i1 = i;
                for (j = j0; j >= 0; j--)
                {
                        /* floating date operation */
* j- n' a( t9 O2 G* J$ w% g/ X                }
& u) p5 H% p/ ]9 q        }
3 w; S% x+ A8 M( i! m}
1 }7 S/ j8 E6 G/ E. Z
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
/ j, @; O# U2 s' Z# V  u$ x
  J; \( I! E* ?& S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.

如果把红色部分内循环本身完全comment out， call xcorr 1000次，耗时 <1s.
; N. r4 \+ y+ j5 T# p

雷达

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

不应该，看我上面的回复。
; B8 d. s2 @9 o  @2 E$ a6 v$ u
2 n6 z6 B# T! w0 ~' k5 i% m我更怀疑是 VS 社区版的问题

数值分析

& `- d3 V4 Z9 d7 s

雷达 发表于 2022-9-24 23:54
! L5 @+ O0 ?% A& j- V- y+ _void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
' Z* A0 @* o2 S" N" n: J{
        comp temp, xtimesy;

. W( X+ X/ I7 q9 |. Z  |0 D
这个不是这么比的吧。。。

" y: g( J' ]8 r3 S% B4 z) S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）。
: N9 R0 f- o1 v3 t) X3 L& E8 X
- W( i0 q2 V6 [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

6 B  g0 U& G* t& u* m/ e- u" Q

数值分析 发表于 2022-9-25 00:20
4 e  |1 w5 }0 K8 B1 U/ h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）。

有道理。
+ @( ], j6 o( M8 ^/ 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。

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。
% i- c( o/ F, x* W/ ^% x. Z$ X: o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
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
# V1 k9 m, X/ S8 K# R这个不是这么比的吧。。。
6 x8 i6 \5 @: B0 P. k9 Q+ }! C0 V
& B, s* U1 X" o. b: Q5 y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

) l* O' g  l# i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
. \: q1 z" [, r) T8 e7 \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 ...

  A+ y  P2 @) H8 w( x7 A7 u
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。

/ ~* S; h" Z0 ]2 I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。

* `4 L8 c- z' k" Z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

" Z8 m, T. j& O) ~' m% j! |

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 ...

, A* f0 `' j8 @- f+ B; G4 u; x
) c6 W% W/ f1 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。
# q+ @$ V5 G- \, S' q. U3 ^
# n" u* ?  r" ]5 `( R我已经完全懵了。

沉宝

雷达 发表于 2022-9-25 04:47
, x+ r/ Y  Z+ \+ w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。
  g4 K  @& {5 [8 H# Z, y8 G. l7 q" k
你还是用profile工具看看吧。现在大家都主观瞎猜。

数值分析

$ j( T. k3 Q4 d% L, G& n: B  n

雷达 发表于 2022-9-25 04:47
. n( D7 B7 o4 W* o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 ...

6 X+ T3 h! S# h" F" O. k. 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？

理了理思路，重新做了一个测试。
/ g  O% V  v& t1 H, y做了两个 vector 和 两个 float *, 都长 100000
$ n$ n. w+ \( ?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.
- A1 n- K3 C  C) t5 `) a
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
" T% j. n! R2 r( J2 `" D( ^, V3. float * 循环点乘累加 204s
% s$ U5 {& ^0 j' }6 R" k5 Q* l4. 空循环 100000 次 202s

不做内循环 200s
% _  b: P$ U& B6 y5 ]$ D; R
你昨天说的对，内循环本身占比是很小的，大头在其他处理。
+ T: B0 u3 h5 [. ?: d2 ]另外可以看到， float * 循环点乘累加 并不差，比用vector 还更快。
4 ]" n2 K9 F$ W- F* _: q+ c* @; U
' L4 f# g2 j. O! q/ H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）
, N- \, N0 S% P6 K
, L" K% z: c9 G; Z- }2 `/ l

        std::vector < float > vec1(N);
' z' N$ r# J1 S& i, a' P+ M        std::vector < float > vec2(N);
        float* b1 = new float[N];
7 U( |' T% K" K  t+ i, U6 l        float* b2 = new float[N];

1 J( {+ J5 G, |" |& O, P        for (int j = 0; j < 6000; j++)
( N1 _. _) k2 l5 h0 F1 [6 T. ~+ r( K        {
                std::generate(vec1.begin(), vec1.end(), []() {
$ l! N% E1 C9 L- s; e                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
% u+ I7 K: e& |, T: T/ ]                        });

# M/ B% G8 g5 B! g                std::generate(vec2.begin(), vec2.end(), []() {
' W% l  y9 x# O4 w. s& B                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
; U1 w- J. s4 F( q  X; L/ T                        });
& n8 j. X- C' X, h1 d; W
                for (size_t jj = 0; jj < vec1.size(); jj++)
                {
; L8 X5 Y/ U9 U                        b1[jj] = vec1[jj];
7 g) [  _' G; L1 Y                }

8 f1 q8 N" d" C( b                for (size_t jj = 0; jj < vec2.size(); jj++)
* D: ?# L0 k& s3 F/ _1 S                {
2 v' f3 y5 i( b                        b2[jj] = vec2[jj];
                }

" E1 D$ }) M  W/ a! I, W* x) Y                //Method - 1  N=100000 247s  
                //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
                                
4 k$ `* ~! p( J                //Method - 2  N=100000  237s
" F# {/ K9 G" U6 o+ l; ]5 _                /*
: n8 [! l8 `. h- h                for (int jj = 0; jj < N ; jj++)
                {
: l% E. M# [% y8 ~  u' ~( V                        fresult += vec1[jj] * vec2[jj];
5 X! p0 _4 z8 M                }
                */
                                
                //Method - 3  N=100000 204s
  A! i0 I' S6 x: O" E                /*
                for (int jj = 0; jj < N; jj++)
9 V* i8 w, R- P                {
. Z6 E9 g/ b9 i                        fresult += b1[jj] * b2[jj];
                }
                */

1 Z2 h: I: h0 l! ~; W/ \                //Method - 4   202s
' m5 Q. R0 p& u5 O. i. \) @8 s( N                /*
. z  G# B4 a9 l2 }                for (int jj = 0; jj < N; jj++)
3 l/ O. t# ?! b" P                {
                        
8 ]/ h1 K8 U9 o& `7 j; H8 u# [                }
* p# V! z+ y4 A; E                */
                //comment out all methods, N=100000  202s               
        }

        delete []b1;
        delete []b2;

! a4 t9 H- N- W' r) ~! t: F

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？
# ?& \  @$ D9 h6 H4 m
1 K. o$ b2 v) L6 J  t) b) _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？
6 R/ M; @% }' w! H1 I- M/ A

雷达

机器猫 发表于 2022-9-27 00:15
  \3 E9 o4 l1 g7 [, u" O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？
7 w  Q. w- U# p+ o! H; `) J3 F# X
7 p0 ~2 y+ O. y你第二个试验里面的j在循环里面又重新定义 ...

4 X- v8 Z0 q- }7 Z* 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
# m& k( j5 ?2 E; @% m: F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
6 d/ @& u' t6 L6 k5 |) I' y  w
7 z7 S) d! k$ _3 I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)
; Q& w# }) b+ ^8 }* S% H{
- ~  z! c9 O) q  A" p" i. g        comp temp, xtimesy;

/ z3 I2 x* j6 A  T" V0 q, Z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。
4 v& K0 V- n) ]) d5 Z0 y) w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？
7 c+ E2 H/ O3 P/ O2 {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。