C++ 提速的新发现

雷达

C++ 比 Octave 慢好多，怎么破？
/ e/ g3 h7 n! ^6 x1 U0 o
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。
% n$ ]3 g) t& I. B* T/ _0 _
速度优化问题真的很有意思啊。
5 u/ {6 d5 G* @& t' d
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？
* p: `2 ^: W/ k
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

* J+ `, d- }4 i+ u* h

数值分析 发表于 2022-9-24 23:04
* N3 g" N! d6 C& O' R8 x拉下来？拉多少？
把代码贴上来看看？

" \1 N9 q/ V& K
; G7 g# \. i  U" N3 Evoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
; O& s2 t' m, `: T{
6 Q4 n. y# V6 \* V# a4 }, X9 g6 ^- C        comp temp, xtimesy;
3 l! G( a4 i0 o3 l' `' ]        xtimesy.re = 0;
        xtimesy.im = 0;
        int j0 = lenB - 1;
        int    i, j, i1, reali;
        if (lenA % 2 == 1)
                reali = lenA + 1;
        else
                reali = lenA;
        reali /= 2;
6 H! Q  [9 ?! ~+ o' V
, m$ v" v1 x: G3 q        int nconv = reali + lenB;
        //#pragma omp parallel for
        for (i = reali; i < nconv; i++)
        {
                temp.re = 0;
                temp.im = 0;
                i1 = i;
# r0 B  n1 K# J8 G                for (j = j0; j >= 0; j--)
0 A+ q2 {: V: b7 D                {
                        /* floating date operation */
                }
9 t: G4 V( y6 |1 K- M; S& z" H: p        }
  N, K0 `. E7 z0 y4 _, P}

, q. i& B8 L& E! pxcorr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
. N6 S6 v( X' c; q( P
红色部分是内循环，现在其内部操作都comment out 了, j0大概是 6000。
8 R7 e- K# p8 b2 f$ T2 ?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.
7 a( d9 m7 A3 K# i: O

雷达

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

' c- v9 [" B5 W4 k7 b. m# i. S  ^- g不应该，看我上面的回复。
% s8 v3 O! g. M4 t) z
3 ?- n# G9 i. v$ ?& f4 Z! @4 M+ T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)
{
        comp temp, xtimesy;

. h* w0 I  ]/ B  b0 R( e# x: b. K
: K! }) K- Z% G! [' \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）。

. K8 @5 T+ ~$ f+ m- W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
2 t0 A8 ^  C4 q" E9 m" v) A这个不是这么比的吧。。。

7 }" b/ S7 e8 \5 h2 E* j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）。

, |) y/ B3 Y; e7 I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。
5 z" i3 V2 m* V2 ^7 T
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
' F7 i9 y/ q( W/ G! W& fWhy 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
- M1 N, R. w/ u, @4 C这个不是这么比的吧。。。

& N+ d6 w% L; g3 a9 k# m3 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）。

而加上内循环，光jmp和dec指令就至少多执行了6000个

9 ^+ x  t7 R7 N. d' a+ |0 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
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 ...

# y2 U  }3 J2 ]是的，兄台说的对。
1 u, d+ z; M2 d9 t. G* S
$ d6 m* ^  U) ]! m: j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。
$ T! g1 g. t) t9 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。
0 ~$ k: }! N% d; p
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 ...

# k* W# n" S* ?/ Q6 s/ O+ }3 \% {
; C# G7 Z4 A" D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。
% {! j3 a* P( O
我已经完全懵了。

沉宝

雷达 发表于 2022-9-25 04:47
) B2 [$ F6 O3 l7 J0 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 ...

- Q; q& I8 w3 r/ g" }时间差一倍的结果可以接受。
( U% S1 L& a# D7 g
你还是用profile工具看看吧。现在大家都主观瞎猜。

数值分析

& x7 p) \$ d3 {! K- A) C4 x& M) R7 p/ {

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 ...

. m( d2 G2 J7 \3 }% E! g- T
3 h& u8 H, U  g5 O. V3 e$ ]
& _3 G* \& ]& m" A! ~7 }$ g1 D
能不能把这个也贴上来，看看和上一个有什么不同？

雷达

# t, @0 A7 M3 [/ q+ c

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。
+ x  o1 j% m1 _5 P做了两个 vector 和 两个 float *, 都长 100000
9 b3 ]0 n5 x+ \; O$ c: R6 C: q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.
, Y/ ]6 A" I1 h! d- {! T& v
内循环试了4种方法，
1. 直接调用 vector inner_product 247s
/ {; l  H. n# i5 B$ A9 O2. vector 循环点乘累加 237s
3. float * 循环点乘累加 204s
4. 空循环 100000 次 202s

9 b6 s, s* q, q) U! c( b& W' R4 ]% |6 ~不做内循环 200s
. N. v7 N+ f5 ]1 ^' a
你昨天说的对，内循环本身占比是很小的，大头在其他处理。
& o$ `7 H7 _4 ?3 j/ R! ~0 c  B& @另外可以看到， float * 循环点乘累加 并不差，比用vector 还更快。

& L' m- G4 H' G9 {7 Q; [; 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）

（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）
% h- h5 k5 r1 E# m* p# `

        std::vector < float > vec1(N);
        std::vector < float > vec2(N);
+ K# g) f1 ?  @        float* b1 = new float[N];
        float* b2 = new float[N];
6 n+ |3 v: E3 g1 K  \5 A
        for (int j = 0; j < 6000; j++)
! N5 t% {  H8 d% [# Y        {
4 U7 }1 \' V' z. u                std::generate(vec1.begin(), vec1.end(), []() {
5 i. [( A6 ~% d+ _) c+ N" x: d: t                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
                        });
* f) Q! M9 u$ ^. K* b" Y% w
4 }+ P: ^$ p" o6 a0 `5 e# t                std::generate(vec2.begin(), vec2.end(), []() {
* o/ P' j8 P5 y9 H! g                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
                        });
8 M8 x& X1 h8 V6 T4 H9 a
, ?3 x( p, Z$ a8 A5 I/ W/ O                for (size_t jj = 0; jj < vec1.size(); jj++)
! b7 D/ B9 n+ c( S                {
                        b1[jj] = vec1[jj];
* @5 \. P8 J: f: B                }

2 W+ N1 [. f6 i3 W  d) M9 d                for (size_t jj = 0; jj < vec2.size(); jj++)
                {
                        b2[jj] = vec2[jj];
                }
+ m2 n4 O% t0 \& I  Y
                //Method - 1  N=100000 247s  
                //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
                                
* V- o; \# g3 K3 t                //Method - 2  N=100000  237s
6 a5 E1 {" V2 V8 U                /*
) w0 X+ e$ @( C- A3 p& w, Y                for (int jj = 0; jj < N ; jj++)
; I/ U/ K7 w1 s- h8 F/ h4 j                {
) E' i! |' w8 P" z9 d6 T. Q4 d( {                        fresult += vec1[jj] * vec2[jj];
# P) i6 k; [- {4 ~" h, G                }
) V; S- {0 Z, s6 C$ S5 v2 a, Y                */
                                
                //Method - 3  N=100000 204s
; B0 ]! \. y+ c$ ~) v                /*
, }: T" Z2 y6 x% i& |                for (int jj = 0; jj < N; jj++)
' r7 t% g$ g$ T9 [7 ?. s                {
                        fresult += b1[jj] * b2[jj];
4 T9 W/ |. E7 a  Y, }' ^                }
                */
! r, `( O: }8 _% O4 r
! Y6 ]& X- {+ n1 B) y& ?2 `! X                //Method - 4   202s
                /*
2 D- [$ X+ F! v1 Y                for (int jj = 0; jj < N; jj++)
                {
4 v1 k. E! E4 ^/ S" P3 k- ~                        
                }
6 Z) h  m/ v6 v- Q: z                */
                //comment out all methods, N=100000  202s               
. }; `) }- d: n5 g5 U8 M% Z6 @* m        }
; m9 {, k# g; y/ m; [  Q
        delete []b1;
        delete []b2;

& w, H. A/ x! g( W+ A: m

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？
! f; p& u; A& R" E5 L1 B

雷达

机器猫 发表于 2022-9-27 00:15
. V4 j; h! Z, L* G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 ...

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

& l, J/ ~0 k# `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
; j4 K, a/ e4 r% a, g$ [4 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
$ f+ g; b. |; L; C" r
不和它 ...

7 ~; o+ m8 a/ g9 Y2 Q6 G
# d: P; o. r3 L5 J9 u. u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
& ?& ]0 [9 J: B& A2 k. _0 ]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。
9 @: Z1 j: r' b: }9 {  i8 o' d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？
  e2 h" X0 G- p+ K2 L" }2 z5 sVS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。