C++ 提速的新发现

雷达

C++ 比 Octave 慢好多，怎么破？
. q2 Y2 p# v( {; O+ u1 C* Q3 L
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。
) H# k( k! a8 w& k) N# s2 ^* E9 X7 u
速度优化问题真的很有意思啊。

0 j1 `* D: N3 `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？
1 r" w, W# p8 H+ y$ [  y. W
7 v9 l" r; L  t' o3 L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
/ C! L; o9 B7 L3 x* Y6 K) S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)
6 x+ i  b' z! ~6 R{
7 o3 l7 v# f$ f! a/ j: {. P) D        comp temp, xtimesy;
        xtimesy.re = 0;
2 ~% n0 H1 `1 ^% w0 K5 u        xtimesy.im = 0;
        int j0 = lenB - 1;
        int    i, j, i1, reali;
+ U: z+ ?" `" J9 T6 ~* Z  q        if (lenA % 2 == 1)
! P. M0 {6 L/ L3 v0 P4 E                reali = lenA + 1;
2 b6 e& U& h+ a1 ]4 S, Q& V( W4 p        else
' q/ q. R, p: c# L, h                reali = lenA;
        reali /= 2;

; N: h- `+ E2 S1 V        int nconv = reali + lenB;
        //#pragma omp parallel for
        for (i = reali; i < nconv; i++)
        {
                temp.re = 0;
! D+ E1 Y4 t1 i- f' [                temp.im = 0;
$ B% f% C$ U( ~: J                i1 = i;
$ z) E* q% h8 m3 z+ p. Z6 D                for (j = j0; j >= 0; j--)
  W' l1 d9 D3 ]8 @. |                {
                        /* floating date operation */
4 J# A0 ?# e" F                }
        }
7 [, B- {* M8 P5 K/ Q1 D3 {}

. T5 E2 v! u& s- |7 yxcorr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

: P. t& o. o- `5 ^+ W# @% 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。
2 A6 r5 ^" C1 y现在call xcorr 100次，耗时78s.
$ |1 l9 g, g; p: V: o
) p5 f/ @3 E3 c+ A* i; A/ J3 U( d如果把红色部分内循环本身完全comment out， call xcorr 1000次，耗时 <1s.
, i/ U0 R4 T, c; i1 ~' _

雷达

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

/ ?$ ]! S  T$ D( [) D4 S
不应该，看我上面的回复。

7 T$ ^5 f$ a% t% d# D6 t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
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
0 l: y  P- t1 D9 g- \# e, @. X# G        comp temp, xtimesy;

2 @- Q2 u2 T# G" H, ~
这个不是这么比的吧。。。
2 k0 w. k  x& ~. {& C
7 d% B; i- m' G5 G% Q( t- 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）。

  f$ T" o6 j- q5 T8 q3 G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
: `# K1 M9 p% ^1 B这个不是这么比的吧。。。

& u' @1 z0 Q" [: C: x  C! e* @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）。

3 x" f+ y: ]  ]; ]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。
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
' Q, ?+ ~" J5 O% I6 i# R这个不是这么比的吧。。。

$ s$ c6 s& f( f4 S# 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）。

而加上内循环，光jmp和dec指令就至少多执行了6000个

# L( {' ~( {% r1 m0 ^- 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

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 ...

/ F2 G& T3 g# K7 f8 k$ {, R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。
; A5 X$ U8 i& U: m% }; E: D3 z
% J! k# f- A% x! X, {( 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。
# P8 r: y. _* z3 d) v3 p* V- p
8 Q" [+ j3 @. [, j7 d: s7 ~* H% I2 E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

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 ...

( e4 \0 G' W- v! H; n7 y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。
+ N/ E, n7 R4 Y7 F
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 ...

+ c, C, N; w) [) G# Q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

8 H# }3 c! B% B8 f% l: X

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 ...

) z; d. _- E. P/ D7 ~
% C( m# a& v, {7 z
2 M5 _7 L0 j3 C; A0 x能不能把这个也贴上来，看看和上一个有什么不同？

雷达

2 N; ^3 S. Y$ b! [  M

数值分析 发表于 2022-9-25 14:58
: ]' \6 h) A! w& W) ?. d能不能把这个也贴上来，看看和上一个有什么不同？

7 k# S8 b, u, ~& w7 F1 k理了理思路，重新做了一个测试。
: F  t( \6 t& S. D做了两个 vector 和 两个 float *, 都长 100000
. B& v; j! Q* H- i4 ]9 k$ k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.
6 q0 G1 g  }* ]% A! _6 `
内循环试了4种方法，
0 s: Q8 f6 ]1 R* V6 ~! v1. 直接调用 vector inner_product 247s
. {0 i( T, `# p9 ^; U9 L4 e2. vector 循环点乘累加 237s
3. float * 循环点乘累加 204s
4. 空循环 100000 次 202s
4 I+ S' u0 A0 D' `/ U9 D
不做内循环 200s
% r2 S! G9 u$ {
你昨天说的对，内循环本身占比是很小的，大头在其他处理。
0 X, u4 j4 l- N/ x% |5 k另外可以看到， float * 循环点乘累加 并不差，比用vector 还更快。
( o/ Q: |2 J# {' Y
. ~- |3 L8 K! G' a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）

  P; [. H5 E: x* _# s（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）
  Z& Q% `$ s- G  F
/ ~2 G4 x3 L0 q8 E$ b, d2 c

        std::vector < float > vec1(N);
        std::vector < float > vec2(N);
        float* b1 = new float[N];
        float* b2 = new float[N];
& C( w: I; e' S0 f, O' r* \
        for (int j = 0; j < 6000; j++)
5 Q+ M1 e# X4 L: }: i        {
+ u, D9 u4 B9 l1 Z3 A                std::generate(vec1.begin(), vec1.end(), []() {
                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
                        });

                std::generate(vec2.begin(), vec2.end(), []() {
                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
/ `. _3 Q1 l- A/ ]- j; c8 Y, R- S                        });
7 d, a  {! C0 j! {
. A0 T8 |' M4 e                for (size_t jj = 0; jj < vec1.size(); jj++)
                {
                        b1[jj] = vec1[jj];
                }

2 v) z# K) I0 A! E                for (size_t jj = 0; jj < vec2.size(); jj++)
; i4 ?1 P9 H; j. M: N' K* T5 q                {
                        b2[jj] = vec2[jj];
                }
5 P0 q, j7 [- g  W( E; X' a' [1 \3 ?
                //Method - 1  N=100000 247s  
                //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
) H9 O3 q( c5 z                                
; X6 y5 @/ h7 f7 E, B- b                //Method - 2  N=100000  237s
                /*
                for (int jj = 0; jj < N ; jj++)
% t9 {: j# D! W                {
                        fresult += vec1[jj] * vec2[jj];
                }
( H! j2 x6 \: Q' m" ]( c0 z! o0 C! N, U                */
                                
3 o! P8 L4 @0 f! V( w' g                //Method - 3  N=100000 204s
0 h* T4 |' e% ?' {7 ^+ h/ o% @. E5 q                /*
- O& L: a' S* F3 P+ q                for (int jj = 0; jj < N; jj++)
+ r! z+ ^3 C6 Q& X' ?+ V: e0 E1 d                {
  V4 c( j" n4 h* R, y                        fresult += b1[jj] * b2[jj];
5 r8 h- ]/ I$ A                }
                */
: I& Q* i. X# U
                //Method - 4   202s
# X4 j% f: y2 f) Z; K0 w                /*
                for (int jj = 0; jj < N; jj++)
$ t9 V6 [5 j$ ]" S                {
                        
# M' ~% t. r  d5 E                }
" v4 z, R+ `4 Q! h                */
                //comment out all methods, N=100000  202s               
) f8 N6 C0 E1 [; \! d% q# o; E        }
# v5 |# T6 S3 N- S; {
        delete []b1;
        delete []b2;

' H! X2 `- N& M4 d+ D2 @! L7 D1 H

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 B# E, q1 e% M
- i7 X5 f7 w+ _) ~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
( O! d+ w# f+ V6 v, m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？
6 d. G) @2 r! K
3 @' W* N3 k2 D% _, K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

* s$ R0 t3 M" O. u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 ...

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。
/ j* t$ [% \; X  {: |) g( o1 v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
. Y! L$ L% M) H- P: @" F; A3 b* xvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
: y+ \* p  f; H5 N( p6 ?8 Z) {+ F0 |1 r        comp temp, xtimesy;

( ?" }+ U' i! `7 `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。