C++ 提速的新发现

雷达

C++ 比 Octave 慢好多，怎么破？

! k3 J# |; Y7 s8 x4 `: a) U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。

9 \' o1 |/ q' T# K* R速度优化问题真的很有意思啊。

3 t2 n5 c. A. p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？
# E' `7 |3 v9 e
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

! f) |& V4 S* e7 J

数值分析 发表于 2022-9-24 23:04
  P# u0 w* }/ F% |. O6 A拉下来？拉多少？
7 x+ d" ~- o9 n, b& @6 g+ v, E把代码贴上来看看？

7 @) \* Y8 a6 j. }3 avoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
  w- ^2 j, h0 }; g7 F{
! z) J6 Z! J* E2 J6 m% x        comp temp, xtimesy;
* z. G, x1 O1 I9 E        xtimesy.re = 0;
& ^7 R) T4 _' L0 {* N        xtimesy.im = 0;
        int j0 = lenB - 1;
        int    i, j, i1, reali;
        if (lenA % 2 == 1)
                reali = lenA + 1;
; m# N# z8 P5 N, ~' s1 \+ }        else
" |1 o: Z% h4 A% T8 F; o                reali = lenA;
3 C) m( s* M2 g, w5 f0 c2 i        reali /= 2;
* F6 j/ v  U. W
; Z+ a9 [! h% M        int nconv = reali + lenB;
        //#pragma omp parallel for
        for (i = reali; i < nconv; i++)
, [* |+ G/ }7 x' {+ i* l        {
# S7 @! J2 J% n( P                temp.re = 0;
                temp.im = 0;
                i1 = i;
  H7 ~$ k% Y  l3 z- m  m" U7 b                for (j = j0; j >= 0; j--)
1 i2 Q4 B# \+ n# z! q5 ~. b                {
; {. O5 M* b0 D& p- D                        /* floating date operation */
, J0 k' L/ }: @# x7 m& W+ X; c; f: T                }
( Z5 P3 Z3 z4 I3 ~8 l$ J        }
# S7 J0 G, N- ]8 q0 {}

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
& n8 i: f8 [4 e- V" M. S$ N
% x& o) `4 o% w8 I  S1 v* [: {0 R6 ]) A红色部分是内循环，现在其内部操作都comment out 了, j0大概是 6000。
. P0 J! b- J% g. O2 n+ u  e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.

8 f5 \, K. D- w+ a- b. ~

雷达

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

7 a6 @" G& o, C" I) C
8 ^7 [! s/ u) Q+ J不应该，看我上面的回复。

: D3 o- n7 e2 v7 b  k: M0 S/ ^7 |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)
{
8 T) i3 T+ d& q; c& h. e        comp temp, xtimesy;

这个不是这么比的吧。。。
4 T- H8 d. y3 [. f" 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）。
' L+ D1 x) s! Q2 F- F' 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

; n8 L0 U. ]8 n' T$ p* V' u7 A2 L

数值分析 发表于 2022-9-25 00:20
$ b; {4 |% F# i! i  r3 z这个不是这么比的吧。。。

6 n. d6 V3 j8 ~" C6 i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）。

% T1 G1 ^6 l7 X: p' Q6 B
有道理。
- x- u. l5 @6 ?) O" z( f. t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。
) C* _% ~- Y0 @! H9 y) X( U( i
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
% ]. R- C: I! F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
这个不是这么比的吧。。。
6 v; h% J: a( h0 F1 u# R8 y
( f% U* M  y. R+ l+ Z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

" I# u9 d6 ~4 ~8 |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

& T( E# i6 q; L$ q. X" P

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 ...

3 R, z2 n4 q  E, A8 d
5 y0 M$ D0 _+ y) i. r' x+ @是的，兄台说的对。
3 g+ H  W' b3 [4 A6 u' d' U
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。
8 |' L* `/ o% q# E1 ]( ?% a
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。

2 w) n1 z" V* t4 r* F% a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 L  y& y. a( R4 K8 e& g# t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
* \3 X$ b- Y3 ]$ p, C9 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 ...

- B7 A( z' u- W; B1 x5 ^7 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。
6 V' I7 n3 `5 V7 ]! S
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 ...

% f0 K& @- q+ Q- y+ |3 p2 X) ]时间差一倍的结果可以接受。

! z9 k% h; x- U你还是用profile工具看看吧。现在大家都主观瞎猜。

数值分析

$ o$ U; b0 Z1 o5 U" S

雷达 发表于 2022-9-25 04:47
) @. ]  l# k+ C4 K/ q2 r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 ...

5 _  s2 b4 x' S: Y) S7 E


: \& z8 L* h) t- m  @( z5 }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？

7 I( f0 e1 J. [) W5 h  p( M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.

5 z5 [% G" l9 S# v  Q; q- E. o内循环试了4种方法，
  R4 N" c/ N! p1. 直接调用 vector inner_product 247s
2 V) D6 g; p$ K: j  L) E- [1 H4 H- X2. vector 循环点乘累加 237s
3. float * 循环点乘累加 204s
4. 空循环 100000 次 202s

不做内循环 200s
! [( r5 y  K, }# {$ `$ ?
你昨天说的对，内循环本身占比是很小的，大头在其他处理。
( e( j' J: Y- U* [) b: m4 j# ]/ |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）
% |/ G! b' G- H8 M' L% k
（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）
) A. w- L/ |/ z% X
: g( B3 K# u/ A: o5 F  R; c9 I

        std::vector < float > vec1(N);
6 V, O, {+ F) Z2 a+ q! u; @0 u        std::vector < float > vec2(N);
2 K. K, _5 y- A( E1 D+ Z        float* b1 = new float[N];
( }& Q3 @% i9 l        float* b2 = new float[N];

/ B# R" K& L; ~, A* X" u        for (int j = 0; j < 6000; j++)
        {
                std::generate(vec1.begin(), vec1.end(), []() {
                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
                        });
4 V& O; s$ X- k* z) @+ X( D0 d
                std::generate(vec2.begin(), vec2.end(), []() {
                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
                        });

                for (size_t jj = 0; jj < vec1.size(); jj++)
                {
                        b1[jj] = vec1[jj];
6 h0 ^& K* L2 f0 a5 L                }

                for (size_t jj = 0; jj < vec2.size(); jj++)
                {
9 K% ~' i: b1 v% b5 Q8 J* ^: R                        b2[jj] = vec2[jj];
5 e5 D8 ?$ N9 I  X5 s0 d3 U3 B& \                }

' q( G* j" J$ X6 w                //Method - 1  N=100000 247s  
                //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
* H3 b; d) R3 o! F                                
                //Method - 2  N=100000  237s
                /*
                for (int jj = 0; jj < N ; jj++)
2 A8 Y2 P6 U) Z4 R- w. Y! m                {
                        fresult += vec1[jj] * vec2[jj];
' ~; l0 u. a" U/ M% }1 X% V                }
                */
                                
. x- o8 Q+ n7 T. d. E& \                //Method - 3  N=100000 204s
                /*
/ q1 h. u5 c% n/ L1 W  l. M  w6 r                for (int jj = 0; jj < N; jj++)
" J$ |9 [8 E2 m8 g  o                {
3 T1 R7 r. }; R                        fresult += b1[jj] * b2[jj];
. Y/ x% W" g' _% ?; g/ i3 l                }
& {! H* {: L% z, C* ^, c1 m                */
2 G5 ?# s. o6 U' K* C! {5 p
                //Method - 4   202s
; @% ]! |( |, }: |7 v! \& b. e                /*
                for (int jj = 0; jj < N; jj++)
' a$ }* W- V, M0 S. }                {
                        
2 M+ g4 u( S& y" L& a                }
                */
/ u- L( a6 h# c4 H3 W1 Q                //comment out all methods, N=100000  202s               
        }

        delete []b1;
        delete []b2;

/ C, T, O( X: t9 U: l

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？

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？
4 S2 P) Z1 w3 @8 w2 x
你第二个试验里面的j在循环里面又重新定义 ...

6 x* ~- p9 M! H7 C  f/ j: k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
! i5 o& Y$ [- x$ w- f
/ p' _  d$ T. }% N2 n7 w" Q7 O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
; E3 q0 R& ?6 ~3 @6 q9 u! M1 f
6 e; E2 I0 Y: H" w1 {不和它 ...

+ Z# b% B# l/ h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。
/ e" \$ ]- T! h1 s& r& h5 \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)
. P) F7 ^4 Y) d6 V$ h  V  |& x{
# L% Y. R% {) @4 f0 a        comp temp, xtimesy;

* k- f; T- o, |+ j1 m( A5 H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。
  |4 G, {- o: J6 Q5 k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？
! Y% ?9 ^6 B2 R3 K) {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。