C++ 提速的新发现

雷达

C++ 比 Octave 慢好多，怎么破？
$ Y  t$ I- z2 A: i+ j* m3 {: u
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。
6 r; {8 y. q3 X. i) ?
/ \2 a+ U& R8 l0 ?" g4 y8 b, y) b速度优化问题真的很有意思啊。

( a1 p" ~* \# y( o! Z- W欢迎大家继续讨论

数值分析

拉下来？拉多少？
' F7 z; @  s& r+ G5 q把代码贴上来看看？
: {; [" w" B: i% F0 H7 ^
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

; @. L- d( I( P" P  g; w

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？

" x4 K9 S9 }- Z; d+ w+ ^
) K! I% G8 J% v: G2 ivoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
% l  |0 M5 d. Z8 ^3 l4 p! N" N{
: P; F/ K0 q; G) l7 v        comp temp, xtimesy;
        xtimesy.re = 0;
        xtimesy.im = 0;
1 O$ J# x* S, U# y; x4 c; ]        int j0 = lenB - 1;
4 X& W& b% v( Y- a7 ?2 b. u        int    i, j, i1, reali;
        if (lenA % 2 == 1)
                reali = lenA + 1;
        else
* ?2 l$ i6 }: y7 v5 \                reali = lenA;
        reali /= 2;

/ M% w$ f2 v% s2 k6 _8 S5 V) S        int nconv = reali + lenB;
# v2 Y8 x5 v& t6 y( K1 q( p        //#pragma omp parallel for
        for (i = reali; i < nconv; i++)
3 _! P% c6 m% r& `% I( C4 y        {
                temp.re = 0;
                temp.im = 0;
- a. Q9 ^6 c  `% X" j9 K                i1 = i;
                for (j = j0; j >= 0; j--)
. W$ \/ s( d2 n& Y5 `                {
) V1 u% m2 f: r$ H                        /* floating date operation */
                }
5 y5 H, S6 h1 x7 Z        }
}
  X( r. r3 H2 T6 ~
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

红色部分是内循环，现在其内部操作都comment out 了, j0大概是 6000。
4 a! R- i; ~' ^7 t/ y& G: M! Q" D现在call xcorr 100次，耗时78s.
! @3 V) k6 X) ~0 f+ D$ [
如果把红色部分内循环本身完全comment out， call xcorr 1000次，耗时 <1s.
* D2 j; \/ X+ L/ O

雷达

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

5 ]# E" O1 J  {% G$ [不应该，看我上面的回复。
- C; |' a6 G, g; |. \/ z
我更怀疑是 VS 社区版的问题

数值分析

9 i5 Q" k5 |+ R- n

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;

这个不是这么比的吧。。。

$ B5 y& c& c' c: V: f( I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，慢个几十倍不是正常的么？

雷达

4 R6 h5 n: \# ?* T$ U! u

数值分析 发表于 2022-9-25 00:20
  ^8 c; }% D3 P) @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）。

; m: g. Y/ [- O/ I$ E9 s- i6 O
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。
& v5 W9 L! m  F* j: o& A  H
: p1 `2 b' k7 x6 u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
  P' @' \3 k' E% r2 u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
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
这个不是这么比的吧。。。

( j. d" |. I6 a; ~' A  h0 c5 x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 ~$ F- I4 Z3 G1 i0 L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
& y; f- y1 ^- L6 m9 J- D- i& b% n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。
4 Z- r' o1 r- V6 p
+ Y5 r1 a2 C' u- H- j# n1 ^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。

& `2 G% g  E( n3 T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。

" {( g5 i9 Q& g0 A' D) {. P6 q# k$ o6 i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

& G- j5 _' S8 _, x* X

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 ...

. l3 @7 \; e2 f. G
1 ]* V  ]" M6 r- r# d' e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。
; f. H" \3 Y" n- _
我已经完全懵了。

沉宝

雷达 发表于 2022-9-25 04:47
7 K5 j) E- K: N* |2 t+ P  [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 ...

+ y' c* M3 S5 ?  |时间差一倍的结果可以接受。
/ L. Y- S7 N+ [
4 o/ B  Z: O7 Y5 ^5 w# ?; Q6 x. }& @你还是用profile工具看看吧。现在大家都主观瞎猜。

数值分析

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 ...

  v) E  |# {2 i3 E9 G
' b2 r& F1 j% n

能不能把这个也贴上来，看看和上一个有什么不同？

雷达

2 Y2 Y# I" R" @

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？

' r1 t6 H4 P/ m6 a0 R2 h" {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
/ u% M2 W) V) \0 Q2 F; @( {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 E4 `5 k; v: j/ M, w
$ l7 ~# l5 d4 Z/ W0 O) W' q内循环试了4种方法，
# v  [* s2 {3 C3 l3 i1. 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
* k% E- z9 o( H: o/ C, v4. 空循环 100000 次 202s
1 S' S+ E" d8 V" t4 Q, B6 |; }
( x, B0 J" {; S) G& r+ V$ W不做内循环 200s

! F# z) L1 R# D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。

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）
- w  x1 ?2 _$ e; l' r& `
% s: L# a/ F- v$ A& R（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）

: w' ^3 ]8 q, ~7 H+ ~

        std::vector < float > vec1(N);
- ~2 X* S( s8 V1 s        std::vector < float > vec2(N);
        float* b1 = new float[N];
        float* b2 = new float[N];
* b# Y0 a) E7 S$ t# \5 A. X6 m
0 D& f# o" t7 k        for (int j = 0; j < 6000; j++)
- h- O0 o/ z' K1 z% U/ n        {
                std::generate(vec1.begin(), vec1.end(), []() {
2 P+ W' U" i" L3 B7 L0 p                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
                        });

                std::generate(vec2.begin(), vec2.end(), []() {
; P9 K$ N# r7 C! l; G                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
5 L' A& N( l# x9 o( h# O" a5 u                        });
# p* U8 W# d) ^
& g0 X7 W7 u& H1 H8 S' b8 p9 Q                for (size_t jj = 0; jj < vec1.size(); jj++)
                {
                        b1[jj] = vec1[jj];
. w: B; B% k" C  c$ c$ t- D9 X% I                }
4 q- @  @, M$ r( X- k
" H+ h- h) x5 V5 D: x  O                for (size_t jj = 0; jj < vec2.size(); jj++)
                {
* M  W/ Y" r$ K1 o% x; s% K, D                        b2[jj] = vec2[jj];
6 U0 U/ y, K) U, J4 n! z& P                }
! \/ r# d8 x  u4 h6 ~, J0 Z
2 f) E9 `# H, q; G& I                //Method - 1  N=100000 247s  
                //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
                                
/ Y& v6 R8 q6 k- M$ ]( \0 f" S                //Method - 2  N=100000  237s
                /*
                for (int jj = 0; jj < N ; jj++)
                {
                        fresult += vec1[jj] * vec2[jj];
                }
                */
+ H& G# t2 Z! M  G7 ?6 J                                
; @" t5 ?! R5 y( h* e( Y                //Method - 3  N=100000 204s
                /*
                for (int jj = 0; jj < N; jj++)
                {
% k" ~+ [( n. X* L  p0 U+ l                        fresult += b1[jj] * b2[jj];
                }
                */
# I3 e4 @% E4 v/ B# P- z$ g
                //Method - 4   202s
# k$ H% I+ R0 }" w$ h& T/ h! e                /*
                for (int jj = 0; jj < N; jj++)
                {
. x* m6 }# u. _* E                        
                }
% V$ }1 k/ t* d5 d& x/ |6 ^                */
                //comment out all methods, N=100000  202s               
) Y. p( ^* W6 O" Q/ C. {( y        }
$ J" J, q" i' {+ k: q+ p
1 B3 L' D3 a5 z! s4 n0 L8 C4 F$ e6 ~        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？
& Z- R& I, Y2 h# r- g

雷达

机器猫 发表于 2022-9-27 00:15
9 U' i9 X- w0 x2 p: i5 @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？
  F: x3 T  d/ V- ^
5 T2 k, R$ o6 F+ d$ s/ T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
/ \3 h/ T/ ~& i. i0 t
& d" }  J$ n! U7 I5 f6 r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
" k( J; X* x" k3 y- @
  Y  V$ Y1 T# A, l" B% P, R; t不和它 ...

' W2 `6 F( w' X4 L( d: C
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。
; V( T# T. j# D* M7 P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
9 P! E) v" I) a8 U9 }void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
5 O4 n) s4 l7 H" Y9 J{
4 y6 D. V  ?% h% \+ C        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。
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。