C++ 提速的新发现

雷达

C++ 比 Octave 慢好多，怎么破？

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。

' S( [* w+ f" a- }% {速度优化问题真的很有意思啊。
( ~8 P* t+ e7 }* c7 R7 H
$ p0 M- }5 p8 N5 g" v欢迎大家继续讨论

数值分析

拉下来？拉多少？
  n$ d# b8 H6 `! b- E7 @# @把代码贴上来看看？

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
2 ~4 ]: z) `- y# X1 R% A! _拉下来？拉多少？
) s! G5 y, ~' F* l把代码贴上来看看？

# P7 \$ z4 v7 l8 b! @3 {void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
. g7 i# p8 q& A' E) ^' U        comp temp, xtimesy;
        xtimesy.re = 0;
% r$ L3 r, V* B  f5 }        xtimesy.im = 0;
        int j0 = lenB - 1;
, m2 D" I  M4 }3 Q1 d        int    i, j, i1, reali;
" ^* r+ F( ?" c/ A( i8 x  L        if (lenA % 2 == 1)
                reali = lenA + 1;
        else
                reali = lenA;
        reali /= 2;

        int nconv = reali + lenB;
8 ~1 @3 X  k6 ?1 k9 {  Q9 |        //#pragma omp parallel for
$ A; [" T% z0 ^. z: B7 C5 r. Q$ ]        for (i = reali; i < nconv; i++)
        {
                temp.re = 0;
0 V' |$ Z* E6 Z4 J( p                temp.im = 0;
# V; f' l7 y' [0 K                i1 = i;
  U3 R; i! p' p  Q7 ]                for (j = j0; j >= 0; j--)
                {
9 l3 J# |7 W  Q0 H                        /* floating date operation */
                }
        }
}
% E) Z8 o: Y5 Z. k' x* h; B
1 l" C+ H5 K/ n! |) k4 q) Mxcorr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
: y. o& Q. v* g; G
8 u, K* L/ q4 |( J- {8 `( N; b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.

& Y+ f* `8 @  J" s3 `

雷达

风雨无阻 发表于 2022-9-24 23:33
4 C  a, d" K8 c3 ]4 aMaybe Debug mode?

- L/ P2 d+ n5 j) j/ c4 [
# A# H: h. B: Z$ @) x; z9 f; H: n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

) v  H" }2 ^  O

雷达 发表于 2022-9-24 23:54
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
/ B' d8 Y$ l" [, E: I5 h        comp temp, xtimesy;

1 y% a1 F! ]0 I2 L/ p这个不是这么比的吧。。。
: h" a; _" ~1 \% m& X6 Z: n
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）。

# G  w$ U/ u! H6 n) v1 T& D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

* m* X1 ?6 W0 N( Y

数值分析 发表于 2022-9-25 00:20
" z$ _. A/ n7 h9 U* o) d这个不是这么比的吧。。。
* l! L# A3 `$ T: K" 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）。

% g% G7 i0 U4 |有道理。
$ Q9 @& f- u0 @+ Z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
0 O8 @9 z! t6 t4 O! A# ~  d2 ?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。。。
4 \% E* h/ t1 d! F1 v! l0 }2 A" m9 h
1 ]1 P* U' A, Z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

3 x% M8 m. q  Q- }& M7 v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

; V1 ]' u- X. R

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 ...

$ j0 r" Z0 Q/ D8 d* S) |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。
; q' S5 c' K. z& f3 [" h! D3 E
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。
% y0 e: M' D% g* W( T4 K9 t& a* w
, |6 F7 r/ v7 P3 X: [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。

9 ?. y( e( [1 M3 L' g1 }% |" G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

; }$ r& l$ o: g+ `# S

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 ...

; v. C+ s; Q" e+ e& |" N/ J6 \
$ u' X" x! `' F* C: l2 I0 Q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。
9 M8 x/ c2 H, E% }+ q; X
我已经完全懵了。

沉宝

雷达 发表于 2022-9-25 04:47
! x9 z1 p+ j; P4 T0 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 ...

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

! {; b3 n# l! P9 ]

雷达 发表于 2022-9-25 04:47
3 `# z1 Z9 W! F9 }6 U9 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 ...

& w& W/ r! |2 ~4 n# x# }能不能把这个也贴上来，看看和上一个有什么不同？

雷达

5 x) w, K4 c9 i+ `' ^) V

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？

2 z9 A. U2 _8 t0 S& Y  o: e( W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，
( |) f$ _0 u" Y1 w1. 直接调用 vector inner_product 247s
7 p) P; t* Z  h. w2 N' k2. vector 循环点乘累加 237s
3. float * 循环点乘累加 204s
3 C! o+ U' E! C9 Y" S4 F  W4. 空循环 100000 次 202s
7 k9 Q9 G% d) }1 u, e7 m& x% o2 E# p
不做内循环 200s
9 l7 \- S. h7 l7 m: i
" Y  o) O" t8 G+ X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。

5 e( z; o) Y  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）

/ k& @; f" F3 Z8 H* m7 n. X

        std::vector < float > vec1(N);
9 a! O5 V+ P$ o7 h1 N        std::vector < float > vec2(N);
        float* b1 = new float[N];
3 ?0 P; Y+ ?; e( S9 Z7 ?) g        float* b2 = new float[N];

        for (int j = 0; j < 6000; j++)
9 a4 q! {: v$ O% F$ X        {
                std::generate(vec1.begin(), vec1.end(), []() {
                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
                        });
0 s# R+ c# V* ]$ J1 {7 N0 W
. i8 ~' N& z5 C* c. P3 a  k/ [                std::generate(vec2.begin(), vec2.end(), []() {
                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
                        });

                for (size_t jj = 0; jj < vec1.size(); jj++)
                {
                        b1[jj] = vec1[jj];
1 A; C7 X  ~0 ]) Q' y! s& T/ g6 r1 J% s                }

/ X' f# J! O4 X                for (size_t jj = 0; jj < vec2.size(); jj++)
                {
                        b2[jj] = vec2[jj];
                }
  k% ~* _# N3 h, I# ^6 |
                //Method - 1  N=100000 247s  
                //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
. T+ L9 M* Z9 O1 U2 n# f6 d' U                                
                //Method - 2  N=100000  237s
5 w0 ?: W/ @8 B5 w/ p3 l                /*
. T3 J3 t: R9 n; \4 J- F/ p) {2 I                for (int jj = 0; jj < N ; jj++)
                {
( T" ^8 T$ Q1 r" d                        fresult += vec1[jj] * vec2[jj];
" T, L$ L4 i" e/ j5 X                }
                */
( \+ f: _& k6 ~% x1 R, c9 V                                
                //Method - 3  N=100000 204s
# K& K/ ^$ D% h5 u7 F                /*
                for (int jj = 0; jj < N; jj++)
8 {, S% Q; T7 d$ u                {
! a. s4 {, `' h; ^9 K                        fresult += b1[jj] * b2[jj];
* ~( j" g1 S, ?, K; X) H                }
                */
& u2 K2 s7 Y9 z
0 Z( h( {0 m6 ~/ n                //Method - 4   202s
                /*
, `- B" f; ?  }  c7 j% A                for (int jj = 0; jj < N; jj++)
                {
) ]- r0 {: I( k3 A, ?* M: r                        
) m( ^6 C  j* [                }
4 w' t5 _5 e7 w8 K( H; P2 a9 b                */
                //comment out all methods, N=100000  202s               
        }

        delete []b1;
. u. `* g3 q9 q% n$ M        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？

3 o4 y+ U+ V- R4 M6 \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？

雷达

机器猫 发表于 2022-9-27 00:15
8 U& h6 z' \. U  u0 }' y. C+ H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
* w4 M  a* V3 H  F- h
) k: g8 {. t: f# h2 p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
6 ?  ^( Q. T+ g  ?7 v8 k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 ...

* `) u: j- i1 h/ h" b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。
# L2 q2 G4 ]! b& e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
; Y0 I, n6 w# ?. Y+ T! F6 Ovoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
) D  ^, ^8 }: t{
  g5 o- K% T4 e2 [& }; o        comp temp, xtimesy;

. p$ Z: R7 u. z2 T& H( w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 V& o1 l4 p( q! l7 _7 `( R+ h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？
3 c- [% V0 B6 L2 _' k( zVS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。