C++ 提速的新发现

雷达

C++ 比 Octave 慢好多，怎么破？

2 B" Z: E4 S4 y+ y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' r0 Y/ J8 U, R7 H4 k4 G& Y速度优化问题真的很有意思啊。
/ r5 s* x7 P- O$ o' n
: R; ?9 h" W5 [3 \# z+ C. M$ 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？
. [  F% K) E; f' k9 g( A
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
拉下来？拉多少？
, D# ]; H2 k# f6 k+ x: p把代码贴上来看看？

void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
        comp temp, xtimesy;
        xtimesy.re = 0;
6 i( P& K, E9 S; r; x! A        xtimesy.im = 0;
0 C1 c5 r& S2 ^1 U/ t- g        int j0 = lenB - 1;
        int    i, j, i1, reali;
) |6 i0 q7 U% L% k3 d+ z1 U8 N. q" q( J        if (lenA % 2 == 1)
9 ?+ f8 p8 l' ^1 u$ y                reali = lenA + 1;
# x  x% ~) d3 N1 C% A        else
; i$ j" j9 M% I' e( L0 ]4 y0 p                reali = lenA;
/ j9 E! l0 ~4 m$ p& Y3 l2 C9 v+ q' Y' m        reali /= 2;
7 D& ~1 i0 n) P0 b
+ q4 `+ E" g! P8 o9 y% [        int nconv = reali + lenB;
        //#pragma omp parallel for
- W; O+ o4 ?# W" ]1 B* F/ R        for (i = reali; i < nconv; i++)
8 N- O# O8 t3 g9 y8 i3 K9 W) L: B        {
                temp.re = 0;
; t  U# Z$ s* t8 n6 A: B: i                temp.im = 0;
                i1 = i;
                for (j = j0; j >= 0; j--)
/ P/ a6 P3 J& Q; \' e+ Q                {
1 ^% {, W" @7 n, l" u/ {                        /* floating date operation */
                }
7 Q" D5 w% j/ W        }
}

$ c0 C2 i2 Y) ?9 Q  ?  ]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

# g8 V* V" o  g  n8 Y% J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.
! c1 B" t4 B5 o+ |& y6 E. S# ?

雷达

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

' Z9 v& B+ F5 E不应该，看我上面的回复。
: [! @$ ?" ^6 p/ v0 Q$ m3 w
( `; [4 u  `, j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
2 E% N" e: f5 ?% ~6 w4 g- Rvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
        comp temp, xtimesy;

; |4 r3 N$ q$ [( G: {# }& s$ h, h
) a- A0 ^) s4 W2 d" s5 N3 D" _6 Y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）。
1 O. C) L2 H2 c$ M4 Z9 ]
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

' O5 m& d% Y# [; z! p

数值分析 发表于 2022-9-25 00:20
9 E0 ~& }0 {9 E" j& r! y3 I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）。

有道理。
1 y7 g; N  s% u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
* \' Q; z4 X% m0 `2 e有道理。
" U9 p* i( {9 ^/ Y3 j% 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 ...

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
6 `' U0 Q  `% v! I1 C8 Y/ U' 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）。

而加上内循环，光jmp和dec指令就至少多执行了6000个

, k  }1 a9 a  G1 y7 h
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 ...

( ~" p1 A8 R4 m* e
/ Z) n/ E; \" t% u; J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。
1 C# @' o, w; U, C: M, [$ R
% Q' o) N- _" k& ?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。
- w, W+ v3 H# @0 b$ y  G& 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

0 o1 V: t  Z6 Z

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 ...

$ w: k: y' E9 T4 }8 H
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。

我已经完全懵了。

沉宝

雷达 发表于 2022-9-25 04:47
) [4 H8 @3 `$ O- [0 i$ h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 y* d1 n7 v2 a3 l9 g* o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

( \+ M6 _/ l; ?; q0 ?! m$ Y& }

雷达 发表于 2022-9-25 04:47
9 ^4 A2 I, x% Q7 e! 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 ...

" }- x( b  }! B8 E& }5 t/ l" |
) W; {, t: O: B! L  d& @8 s
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
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。
3 |2 m8 Z9 ~& b  C; k做了两个 vector 和 两个 float *, 都长 100000
, v+ D4 c. v( I* L5 @3 D( g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，
1. 直接调用 vector inner_product 247s
4 s$ _" w8 u6 r/ s3 u' Q2. vector 循环点乘累加 237s
3. float * 循环点乘累加 204s
4. 空循环 100000 次 202s
8 y% ^9 p2 s+ V! T8 g5 N' a0 Z
; p$ ?: L( z8 r; A+ f不做内循环 200s
. M" n& c8 Z# c% ?( b
你昨天说的对，内循环本身占比是很小的，大头在其他处理。
% w" o. }; Z! D& {另外可以看到， float * 循环点乘累加 并不差，比用vector 还更快。

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）
/ }/ K6 h  ^8 c. E. @4 d8 |
（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）

% X" \& u: ~: {( v+ s3 O

        std::vector < float > vec1(N);
        std::vector < float > vec2(N);
  @6 X- R+ i* V) \        float* b1 = new float[N];
5 n6 ~2 H$ F; p  w        float* b2 = new float[N];
1 }# s8 s2 Z( N" C; ^$ _( W
. ?1 Q0 d  Z) J8 j+ e        for (int j = 0; j < 6000; j++)
  W+ m+ ~& h- x) p& Y8 U        {
                std::generate(vec1.begin(), vec1.end(), []() {
                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
                        });

                std::generate(vec2.begin(), vec2.end(), []() {
( i! y/ G" [0 o8 I+ C2 ^# t5 Z                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
                        });

) g1 [$ C" L4 O* {* I! J                for (size_t jj = 0; jj < vec1.size(); jj++)
# ~! Z9 i* ^; j- n# d                {
# `" S3 O% j9 D4 {                        b1[jj] = vec1[jj];
                }
9 J7 {2 @& K+ }' s; P* X% ^1 N
                for (size_t jj = 0; jj < vec2.size(); jj++)
. G) v' e/ e& R  U% o                {
                        b2[jj] = vec2[jj];
                }

7 e6 N( |, ?) k+ q                //Method - 1  N=100000 247s  
6 V" O% ?7 g3 E) W# F% @                //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
- c4 F0 z  P4 y                                
                //Method - 2  N=100000  237s
                /*
                for (int jj = 0; jj < N ; jj++)
5 s! Q/ p3 Q8 A: f                {
                        fresult += vec1[jj] * vec2[jj];
                }
* h! [; a* D& K" K9 h% z                */
                                
                //Method - 3  N=100000 204s
                /*
                for (int jj = 0; jj < N; jj++)
. w) H. g. I+ l* B* Q: E, p                {
- ?7 m( y9 q* @4 g' N                        fresult += b1[jj] * b2[jj];
5 a7 V( y0 I8 n                }
% M: L% n' g( K1 U  w( E% {9 _2 D6 v                */

                //Method - 4   202s
                /*
* R7 g; w, O/ {* `# {* v                for (int jj = 0; jj < N; jj++)
  r' ^* @3 j: u  ?: X& {! ], a7 s                {
8 D- G# q$ G$ U+ @                        
                }
: m  ?6 i  a" N) U                */
8 R3 l8 o  }( n' o8 W! U/ F3 F                //comment out all methods, N=100000  202s               
        }

        delete []b1;
        delete []b2;

2 D( `7 B  v( `  Z: w

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？
/ x9 Q" U" M4 _( q( q
  l8 w/ F; S  g7 S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？
2 g( J4 u: B* W% C8 P* a

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？
; A# j/ q5 F$ n% I
你第二个试验里面的j在循环里面又重新定义 ...

/ i# x1 z0 F6 `8 [* B. x0 a) E' {- z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
; ?: `& i6 l$ y8 S5 ?
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

不和它 ...

3 J5 @+ H  j: k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 ?+ v: U. F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
$ J! Y/ G2 x4 X: `% \, wvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
+ z5 Q" r( q# L: ^7 a{
5 L3 `& y  x3 Y& a$ S% q        comp temp, xtimesy;

+ s+ ]0 q' O! D) ~" j7 b* ?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。
' _3 Q- S4 Y3 |) j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。