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。
* ~/ |4 x( e( K, \5 V: T
1 ?- p/ S, M6 f# A速度优化问题真的很有意思啊。
! b# X$ N# H7 }0 c. h# Y' ]
欢迎大家继续讨论

数值分析

拉下来？拉多少？
7 Z& O! t  O3 o+ k. D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

& `. i% E1 i, g* c9 l$ ~1 s

数值分析 发表于 2022-9-24 23:04
1 x8 a9 V4 E- S/ Z- a; [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)
{
# N+ `4 f" h0 v4 q        comp temp, xtimesy;
        xtimesy.re = 0;
        xtimesy.im = 0;
  l4 C# b1 |- D2 V: C8 Z        int j0 = lenB - 1;
7 R# A$ r! a5 H3 a, w9 ]        int    i, j, i1, reali;
        if (lenA % 2 == 1)
" }5 h2 @. r7 d1 N+ y                reali = lenA + 1;
        else
                reali = lenA;
        reali /= 2;

        int nconv = reali + lenB;
        //#pragma omp parallel for
9 B: l% v( E, e4 a        for (i = reali; i < nconv; i++)
$ U, f3 B/ t5 f$ ^2 Q5 [* o        {
                temp.re = 0;
                temp.im = 0;
                i1 = i;
                for (j = j0; j >= 0; j--)
                {
                        /* floating date operation */
                }
        }
. B6 T2 x: q: }3 {/ B}

, M5 ?( d0 U# j) N5 W+ d2 d7 ~- vxcorr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.

6 Y: h/ M3 J! e( S7 B# n! s如果把红色部分内循环本身完全comment out， call xcorr 1000次，耗时 <1s.
( a. b9 H1 a6 w' g2 `
/ a, x8 r5 P; V

雷达

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

- R. u7 ?' k, m- L, U, q
- p! K# z. @7 ?. [不应该，看我上面的回复。
" N# Y; l1 s  G8 M' F2 I
3 V; }/ m9 Z% x; z* D% r; v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
% Q0 Y- W2 b/ O7 e  e" e' nvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
        comp temp, xtimesy;

! d% ~# Y' ]8 V, j
4 ?- }. c" A! C2 u( f1 `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）。
4 W* a' m8 w9 I9 ]
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
3 L# g* |% K9 _, K0 R; c这个不是这么比的吧。。。
! O7 {/ X+ ]4 {, S: c! ^: l, g2 l
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。
8 M5 P% Z/ W- w2 U, G8 l6 i6 o
1 l' \4 P+ T+ F, w. Q( A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
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
. v5 |( b+ m5 u: M3 W7 W9 U这个不是这么比的吧。。。

* w. _4 C' V# I; D! o, p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

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 ...

是的，兄台说的对。
- i) B: b0 a" q
5 Z7 z: `" |! H  G) T# ~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 ~! `1 Q: f+ ?# [! Y# H+ N, n
/ T% B+ c) ?! ^! W  ^' m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 ~4 t- G( J; X5 d
, r2 j2 L# t3 y" h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 ...

7 c/ `; {4 I  D5 K6 }, Q6 B
' h, h' c1 L9 w6 c+ e4 Z6 S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。

% d2 R4 E3 ]$ h- `& H* S6 u我已经完全懵了。

沉宝

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 ...

时间差一倍的结果可以接受。
3 d" D/ o6 V; C3 E8 F
* v6 @. r5 E& X! \' A1 Z你还是用profile工具看看吧。现在大家都主观瞎猜。

数值分析

  ?; w" t: H' B0 H: g: M% b

雷达 发表于 2022-9-25 04:47
7 `; P# `; p4 H7 {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 ...

1 V! [5 d7 ~" k( m" S5 y

/ H1 }" p; ]+ z% f' e5 c
) S6 P4 B* m) Q8 Q) @$ Y0 m$ [/ s/ W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
) g4 s+ W$ a- Q; X6 m能不能把这个也贴上来，看看和上一个有什么不同？

' p+ }  z6 v, k* u理了理思路，重新做了一个测试。
4 R& X# \' G0 k* N$ S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.
4 \' h1 P. J" a& W
' \7 V0 N8 z, f+ k- f2 k  p3 `$ E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
8 x& U( A6 R  A3. float * 循环点乘累加 204s
4. 空循环 100000 次 202s

不做内循环 200s
* W; R1 _4 o0 T. A
# W$ ?4 k; D( r  i  |$ F, ?3 [& e你昨天说的对，内循环本身占比是很小的，大头在其他处理。
/ s) c4 {% a8 }2 J! k另外可以看到， float * 循环点乘累加 并不差，比用vector 还更快。
7 F9 \: `8 b5 h% U+ Z# l
* `. q% K! c1 {/ g# Y+ y% v( }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）
* s- V. p' a! P- y* e' {7 e
) L+ [/ I( i8 |; @

        std::vector < float > vec1(N);
        std::vector < float > vec2(N);
        float* b1 = new float[N];
$ I  m# r: @% K% I/ U- E( V        float* b2 = new float[N];

        for (int j = 0; j < 6000; j++)
        {
: H3 K; Y4 [! |7 ]; Q                std::generate(vec1.begin(), vec1.end(), []() {
5 H' |+ f8 w. f8 K, w/ o                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
                        });
# d. n" V5 u# a9 j. a% T# j2 y
2 Q* p4 O  t3 z2 y9 e4 H! L                std::generate(vec2.begin(), vec2.end(), []() {
( ]; [- N& }, F, S% P/ y- }                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
                        });
6 ]; @5 l( n# B3 @3 P
" A  g! C# R1 s+ R. r                for (size_t jj = 0; jj < vec1.size(); jj++)
7 Y/ p( `8 A3 t! o/ P  O( K7 f                {
                        b1[jj] = vec1[jj];
                }

6 {& c/ o( r9 a4 a2 K& p6 y                for (size_t jj = 0; jj < vec2.size(); jj++)
                {
                        b2[jj] = vec2[jj];
; A0 O! W+ D1 N$ n* v0 w% P7 D                }
2 W5 y% O  b4 Q, _' Y& @
                //Method - 1  N=100000 247s  
                //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
                                
3 [' l0 @, u. i% r& |3 H2 z/ c                //Method - 2  N=100000  237s
                /*
* p& C0 R1 d2 r4 l0 ?' A9 y+ J                for (int jj = 0; jj < N ; jj++)
                {
                        fresult += vec1[jj] * vec2[jj];
( p  H. m& I, p% A9 }# m                }
2 g' \% D8 h2 _6 @5 k6 }                */
6 Y: B1 ]! y6 \' z                                
                //Method - 3  N=100000 204s
                /*
$ U8 }/ b4 D! P- q" L# f% A& r                for (int jj = 0; jj < N; jj++)
& G8 _$ u4 B- c' W                {
1 B, X# q. e/ m5 b, k' O7 u# b' e( _                        fresult += b1[jj] * b2[jj];
                }
6 y% A+ Y3 M/ f/ y7 x% l                */
0 e1 {% R1 W2 \% Z; \
% @, z& V  q9 g* _                //Method - 4   202s
- u. O1 a! k3 q  [6 z, W0 F                /*
$ Q8 U3 ]7 n$ ^5 ^( y5 |/ v; m                for (int jj = 0; jj < N; jj++)
! e7 e. R7 \; o! r: |7 r* l                {
) ~9 m/ z' ^. A( r  m9 }                        
2 |9 n8 b, \- S7 n+ B5 B                }
                */
                //comment out all methods, N=100000  202s               
! M: e& C2 E$ m1 ?& A        }

1 ?( h, X& ^8 l, F5 t: L        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？
0 F8 k; L) Z9 r) y6 w& Q
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
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 ...

$ I# w' |' m* G. d2 z7 B) w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
5 {$ P$ b# F! n
. [4 H3 A2 E7 ^8 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
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
* P8 Z' U5 k) J8 |* `  C. K' V/ c
不和它 ...

: v7 b8 Z* G; m
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。
4 ^; Q- N) k5 N2 D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)
! F0 [$ N2 j9 @" ?$ ^{
        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。
, z  b4 \& X" a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。