C++ 提速的新发现

雷达

C++ 比 Octave 慢好多，怎么破？
' }( s& u# }" v* ?% P
: M2 k" D# I% U7 K" X7 J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。
+ c' h: m7 N2 l) V3 ~" t
速度优化问题真的很有意思啊。
3 x) V, Z8 v# b4 c, A
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？
0 C9 l( A) C# ^9 F1 A* v2 {
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

2 W+ @0 y) \! ^. {4 x

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？

8 X+ ]* Z2 ~$ j0 cvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
$ F/ F/ I, I6 h& u; p% P$ i{
' W# n$ ?! C1 k& v) Q- N8 f; Y        comp temp, xtimesy;
        xtimesy.re = 0;
8 D3 `, \4 _4 c6 I" _        xtimesy.im = 0;
! z0 Q  G2 R- Y6 `2 ^        int j0 = lenB - 1;
% u& h- s% n3 l        int    i, j, i1, reali;
8 p2 ^. B. s6 ^1 B' R! G2 k/ z" _        if (lenA % 2 == 1)
1 e; y' W3 K' ~; J+ n7 h# S                reali = lenA + 1;
* Y/ e9 D4 S% M! T' T. Q- {$ m% ?        else
% R" ~/ z& i- k& u                reali = lenA;
' ]" P6 Y9 V. _# Y2 J8 q        reali /= 2;

5 |% U; X1 Z: V. d9 _( g        int nconv = reali + lenB;
5 J2 Z- ]2 e  G$ E; T        //#pragma omp parallel for
7 ?2 ]3 e1 X$ }* ]6 |& l. X        for (i = reali; i < nconv; i++)
5 |# C3 Q/ P" t; \5 g, i! q        {
                temp.re = 0;
                temp.im = 0;
7 }' q) E& U" m) a5 ?; @" X                i1 = i;
" Q/ E( }- Z6 y/ m! F4 ]2 \                for (j = j0; j >= 0; j--)
                {
                        /* floating date operation */
                }
2 L( Y7 q9 E0 w9 `4 S: G        }
}
; P6 _  B5 {+ i( v; T
' S! T1 C" e4 J4 \. P# 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
/ m( g  ]% x5 t7 Q
红色部分是内循环，现在其内部操作都comment out 了, j0大概是 6000。
# H" z7 {% |" w; D7 w现在call xcorr 100次，耗时78s.
) f* \) X4 h& k
如果把红色部分内循环本身完全comment out， call xcorr 1000次，耗时 <1s.

雷达

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

  z* i  [, |* X- P3 ]- l
不应该，看我上面的回复。
/ P7 G7 x' f* v) A$ g# Q
我更怀疑是 VS 社区版的问题

数值分析

( C# M9 s* y; _1 z$ j, c+ L) p

雷达 发表于 2022-9-24 23:54
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
8 O" [" B) o1 S9 p# I4 w# z{
        comp temp, xtimesy;

; ~- c6 k: {9 t2 ]5 i. |6 e% \
这个不是这么比的吧。。。

# O" o8 |0 q% V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）。
# h; [+ p/ m1 Q3 T. ~& r+ B# B
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

& R1 r' y$ C  A$ O0 `0 v) J4 A$ Z

数值分析 发表于 2022-9-25 00:20
- Q9 O  t( g+ j% z0 V/ ?这个不是这么比的吧。。。

  ~: h9 x: \. F9 C3 [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）。

9 n1 T, p, @8 x: z( i* z4 f
- n: K, m! S! U: ]( P/ G' G$ i- L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。

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。
/ P3 B! m7 `% [% b: X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 ...

+ r# U6 ~' V' ]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
9 w9 i. i+ S! J4 d# T8 B% iWhy 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
& [1 j! y) d9 r! A) l1 h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）。

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

% V6 k- Z. f2 G2 r9 R4 E" }+ U: F

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 ...

% J; c0 o3 Y, ?+ s1 @4 \! U% A: l
是的，兄台说的对。
' z  }/ D+ b1 Y+ P, l- e; G
' ~$ q$ u. D7 s- W* A! @" 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。

% i% ]* R7 @) x- ^$ A* 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。

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。
2 o+ t+ e3 z1 U  d, b! a: a7 F
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

1 E" k' r6 ^, q6 N( E

沉宝 发表于 2022-9-25 01:27
- l  C/ c% W  K& y/ ]: }2 X! s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 ...

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 O; p% `5 b5 C( A2 t# v4 V
! E( v+ v4 A3 y0 S/ p+ q我已经完全懵了。

沉宝

雷达 发表于 2022-9-25 04:47
2 h2 f- M+ n4 r/ j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 ...

9 }% B: p' ~( }; J- }- C时间差一倍的结果可以接受。
. ~& G  `  z, n7 J8 `# C7 W
9 ~; q7 x8 P3 r& h' V0 [你还是用profile工具看看吧。现在大家都主观瞎猜。

数值分析

, X( v1 ~* i( {) n- o7 Q* ~+ i

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 ...

能不能把这个也贴上来，看看和上一个有什么不同？

雷达

+ Q$ V- A' `7 W' A- D. z  Z

数值分析 发表于 2022-9-25 14:58
/ l* j, G3 t- s3 o3 C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。
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.
9 R! a: w! a) C( |1 a
内循环试了4种方法，
8 o* ]2 `0 _' i* z$ \7 ?4 O1. 直接调用 vector inner_product 247s
( N8 M' P! P9 P0 [! V2. vector 循环点乘累加 237s
3. float * 循环点乘累加 204s
4. 空循环 100000 次 202s
' k9 ?" ~; D2 X1 Y" b
2 @  T/ i% ?3 F/ d不做内循环 200s
2 l. G0 z! }: s
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。
& p6 M# u: ]! a& h: P7 i: ^5 l# i
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）

        std::vector < float > vec1(N);
, A2 a' _; U+ B  K3 n3 ^        std::vector < float > vec2(N);
        float* b1 = new float[N];
7 ^1 P% M# w( T8 h/ G        float* b2 = new float[N];
) Q  h4 x" ^  W6 W" {4 p. J; P2 G3 y
        for (int j = 0; j < 6000; j++)
+ w$ [8 A7 T, k$ E" h2 i7 v8 _        {
6 Z& o  d7 n7 t9 ~; B, Q  g% o                std::generate(vec1.begin(), vec1.end(), []() {
' m& v3 t& ]( x/ z                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
! k. @& J! p2 z+ h                        });

4 G4 a- j. N' y1 n  p( _) ?9 R                std::generate(vec2.begin(), vec2.end(), []() {
2 I/ q% ^6 h( w0 p                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
( c6 }) ?8 m& z# S3 z                        });
8 D4 M$ r: L) p: r; x: y
                for (size_t jj = 0; jj < vec1.size(); jj++)
" r3 U% E. e8 Z" e1 J0 J                {
9 u& S% L& k6 W$ l# I7 q1 {                        b1[jj] = vec1[jj];
                }

5 Y, z/ M7 ^9 k                for (size_t jj = 0; jj < vec2.size(); jj++)
                {
$ Y( T. b. y; k- r6 I" L7 u                        b2[jj] = vec2[jj];
5 I% N* K3 K2 Q8 _' z                }
% a- C5 t" L! u% |8 K
                //Method - 1  N=100000 247s  
                //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
                                
; |9 k6 r8 C5 w( ?5 y8 v                //Method - 2  N=100000  237s
( G5 d4 n2 Y% C) A) l( v/ V                /*
% D0 Z! W* n$ T& c2 p                for (int jj = 0; jj < N ; jj++)
  Y& G0 O" z) p- N* p; V+ `  M" n                {
                        fresult += vec1[jj] * vec2[jj];
6 d) b; p! w% ^  a. B                }
( c  Y. H  z) X9 P1 M  b                */
                                
. z9 {) I( z, h' W                //Method - 3  N=100000 204s
+ W( ~* p* N( J0 n                /*
                for (int jj = 0; jj < N; jj++)
! U8 r* |; V+ d# o/ x2 m                {
                        fresult += b1[jj] * b2[jj];
                }
                */

7 @3 s! D* `% @7 `* j                //Method - 4   202s
+ c( v6 G' w; [6 v% Q                /*
- `1 A5 H* o" b+ m7 `7 S$ x% V                for (int jj = 0; jj < N; jj++)
                {
                        
                }
                */
) E: t5 i0 L* q1 \( [                //comment out all methods, N=100000  202s               
# A: ]) i# P: N  L. ^! v1 `) Q% _        }

        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？
1 H# T& V8 m+ I) }; R$ Y' Y

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？

8 f0 d5 [" _1 T) A8 S9 J6 N' T你第二个试验里面的j在循环里面又重新定义 ...

: R" L- }! f! W- m' A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 [' K1 X' r9 Q4 G1 c, z$ o. N9 E
$ s0 w/ z- P; M; A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
. h9 \/ C& Z- O& m2 [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
" V0 F$ M4 f- U; I1 f
3 f1 w* k$ q( ~. a) T% W3 P; L7 V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。
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
2 ~$ x0 A8 b5 L1 p6 hvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
8 h- x& S' E! s" [6 J/ S        comp temp, xtimesy;

, T, R. v0 `& _% E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。