C++ 提速的新发现

雷达

C++ 比 Octave 慢好多，怎么破？
* l1 u- P, F4 r5 u+ F
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。

" m- s5 S& \$ M9 a& a' `欢迎大家继续讨论

数值分析

拉下来？拉多少？
. }; _8 s+ X* A7 S4 Y$ h$ @4 ~$ B把代码贴上来看看？
4 [6 c; |9 ~9 B/ a! Q- \+ y! M. G
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
! p; j5 O4 W9 D; q拉下来？拉多少？
0 A$ a, U5 I( E( T2 T( Z把代码贴上来看看？

8 z- j& @/ k. ^% ]% A% ?# s
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
        comp temp, xtimesy;
. Y; O! I; F1 F. n        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;

, J; l7 a. [  W3 q% R# e3 G  \        int nconv = reali + lenB;
& Q+ d2 @; Q+ Y2 r% s3 Z        //#pragma omp parallel for
        for (i = reali; i < nconv; i++)
% o3 i0 ~& v8 [* U6 R        {
5 ]+ U; v$ V: E" k3 _3 ^: n                temp.re = 0;
                temp.im = 0;
                i1 = i;
                for (j = j0; j >= 0; j--)
" S- @) k. r5 T/ _                {
7 e9 i: O$ k' E                        /* floating date operation */
                }
3 h* ?3 \* Q4 i        }
$ I" v9 S  M5 O# C& r4 k3 d2 |( b0 k}

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  s; G9 r1 H5 i; F2 S# n6 r! R
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.
- Q$ s& }( c0 ]4 t6 w

雷达

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

  W( \& `) ~9 A- t* D, [
不应该，看我上面的回复。

6 W- E& b* k3 a# u- c+ ]- k我更怀疑是 VS 社区版的问题

数值分析

$ D: N( M" s, J

雷达 发表于 2022-9-24 23:54
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
4 s' y& d+ r* u6 |{
6 D5 c; ?# E* T9 k# X        comp temp, xtimesy;

' Q8 C. X) U& p8 b这个不是这么比的吧。。。
" O* x; Z2 i3 @1 c2 h
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）。

, ?) r% W9 s7 \; S- o3 f2 O/ A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
这个不是这么比的吧。。。
* H' O% S5 @6 ^( \- N1 h
! a/ q2 [# [& K% m- \) 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）。

( j" @# X; z& Y: b" B. f5 l
1 U: y. W$ c) a2 t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。
. Z% U% }, x8 A# 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
: F! \$ P% i4 z1 z, l. J* [有道理。
) O1 P6 Z# ~( m) A% R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 ...

- s# ?8 N: L' i7 C/ @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
( n6 A/ A$ q1 j9 T  `( NWhy 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。。。
! ^2 {+ U2 s1 d9 R( W
0 W" a6 Z. A/ Z% Y2 g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

' E8 l/ v2 i9 Y2 R% {" ]2 T/ X
, a6 c0 V% M+ D7 [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 ...

: O+ m, ?- F% ]( {& W. f9 j2 q是的，兄台说的对。
% }+ a% J# G4 |9 n
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。

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。

# b- ^/ q4 n/ s- e* [& k& B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

8 g, m5 y+ c% C8 _; J6 ^

沉宝 发表于 2022-9-25 01:27
1 ^- E4 @& L8 o+ F& _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 ...

) S/ h/ Y" J# N* V2 s# t
) O+ N* ]) m. a( a, }0 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。
" {5 @/ k  m7 Z+ F0 R- p
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。
# R  |9 ^) g* @- V
, Y7 O' h6 j. _& q) d+ Y/ w你还是用profile工具看看吧。现在大家都主观瞎猜。

数值分析

* f& R! E6 t$ C2 }

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 ...

" E6 ]6 @" x$ x: n7 M! `2 I
6 T; [2 I, q1 l# |' Q2 \3 s
* f  ?# b* R2 ?, i$ c
8 _0 S# K3 ^4 H3 q" K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
* F* F& ]$ E% w. m* @# h能不能把这个也贴上来，看看和上一个有什么不同？

, O9 S& c  F+ |2 h8 A9 q+ D& r理了理思路，重新做了一个测试。
; F5 U2 _1 v8 F* ]- x3 t做了两个 vector 和 两个 float *, 都长 100000
' h0 P$ f% j! h( c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.

/ T4 \( w  r! `: q7 |8 F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
5 D) d$ P; j5 b$ {  M( X2 r: w3 N! ^3. float * 循环点乘累加 204s
: s4 H% k& T* |) e4. 空循环 100000 次 202s

- M6 h7 d  T$ }" l3 b8 M+ U5 R. [8 y) `不做内循环 200s

你昨天说的对，内循环本身占比是很小的，大头在其他处理。
/ ]7 K0 K" @5 z% m( r4 z另外可以看到， float * 循环点乘累加 并不差，比用vector 还更快。
4 l3 v2 h2 l# N, b. p/ l1 k
# P& G$ W5 D; s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）
( B1 Q% w6 O/ t! \* \. w8 _
（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）

* J- X* i6 x) E/ K" u+ m7 l% _

        std::vector < float > vec1(N);
8 y5 y+ V6 H4 E6 p3 R        std::vector < float > vec2(N);
* c  p7 Y$ y# `) W        float* b1 = new float[N];
        float* b2 = new float[N];

0 e! a3 L4 P$ K1 a        for (int j = 0; j < 6000; j++)
- ], q% i* s8 S' D6 q/ v        {
+ q3 e; L  g+ Y8 B0 E1 {                std::generate(vec1.begin(), vec1.end(), []() {
                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
                        });
( B4 ]# l, J6 z6 O: z1 `3 {2 H
                std::generate(vec2.begin(), vec2.end(), []() {
) C. S7 @$ y& L. i2 ~1 x                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
                        });
  O5 n- J( `' m. {  W* h7 u2 u: @
                for (size_t jj = 0; jj < vec1.size(); jj++)
                {
                        b1[jj] = vec1[jj];
! v7 x/ \6 w. X0 C! J                }
3 s# n# k+ F7 x& I. a- `5 ~- j# l
! ]  N( U! A) `$ I' Z2 @                for (size_t jj = 0; jj < vec2.size(); jj++)
) L% g. E, z& _! A8 `                {
                        b2[jj] = vec2[jj];
                }

                //Method - 1  N=100000 247s  
4 G3 P% {8 V  s2 \3 N                //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
. k' ~! T& I* Z) r6 O                                
                //Method - 2  N=100000  237s
+ M% C3 y# z  g                /*
                for (int jj = 0; jj < N ; jj++)
/ _) V; z& ]* z5 L* k7 t                {
                        fresult += vec1[jj] * vec2[jj];
4 Y3 n9 I! M6 x3 \( K1 ~                }
                */
4 X. l4 n& l' D  T- E                                
                //Method - 3  N=100000 204s
                /*
                for (int jj = 0; jj < N; jj++)
: G$ C  [, [- b! s2 M                {
                        fresult += b1[jj] * b2[jj];
* j. {7 Y- B, i1 ~- C                }
                */
3 ~6 Q$ q8 ^1 \4 @& w
                //Method - 4   202s
                /*
                for (int jj = 0; jj < N; jj++)
                {
, v5 k5 l2 j) u) f, Q# x, u1 C                        
2 @: a: Q( V; y) B                }
                */
                //comment out all methods, N=100000  202s               
9 J# A) G5 k* X1 ?        }

        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？
% |8 F) M" T( k+ B2 i% C# K" q$ p$ P. B
* L7 R9 i4 [3 h+ M: o8 ~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？
# M: C$ M0 ]! r* I- Z

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 ...

; g6 j5 Q; L# \/ ^4 I1 H( [. 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
. ]$ ?8 t) h' n0 h6 ~# ~6 l
: }( i3 A) d8 t/ W  w+ v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
( A) c. c. B7 D1 D; |3 G, l
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。
2 u( ?( ?* P( h- {- n$ \2 Z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
) V) i. W' h; U6 c% h  t! fvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
$ E( ^# Y& T9 ~, ^4 G{
        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。
& R. ?: }4 B  {. i+ g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。