C++ 提速的新发现

雷达

C++ 比 Octave 慢好多，怎么破？

7 k+ d; c( b4 R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。
7 z0 ?  L$ d/ g: F" A$ d3 f
速度优化问题真的很有意思啊。

' Y& A9 i3 Z$ C1 S7 ?+ c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？
) M# F$ w- P6 G5 d: _) x# P
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
' d, ~) N9 e" P# F" @! G拉下来？拉多少？
$ s, A% D; X- [! N$ O7 ^2 x把代码贴上来看看？

. [2 l/ _* Y* a7 R+ O" R7 Cvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
        comp temp, xtimesy;
4 Z) ?  w. H; V! L# Z        xtimesy.re = 0;
        xtimesy.im = 0;
        int j0 = lenB - 1;
        int    i, j, i1, reali;
        if (lenA % 2 == 1)
. Q+ U8 c! R: |                reali = lenA + 1;
        else
                reali = lenA;
' ~# E9 ]% p% @( h6 l% K2 {        reali /= 2;
# T& I; R) n8 ~
        int nconv = reali + lenB;
        //#pragma omp parallel for
( C; B, q. A* D        for (i = reali; i < nconv; i++)
8 D  p. d' G) n1 I8 B( Z/ [        {
                temp.re = 0;
                temp.im = 0;
+ `& G$ P  i1 n1 K, x: @, m* Q                i1 = i;
                for (j = j0; j >= 0; j--)
                {
2 j1 x& Z7 r% K                        /* floating date operation */
                }
        }
5 |+ b& }9 e+ Q. V% N4 _1 ]}

! Y! |# [  s/ n+ J0 o+ lxcorr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
2 b% ?1 `8 D1 p- ~6 O
0 O1 s! n. v6 V7 |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.
8 B% [0 g3 J  |, s" z
) l3 C; ?& c3 h% M; C) I' e如果把红色部分内循环本身完全comment out， call xcorr 1000次，耗时 <1s.
, E( j9 M6 o; _

雷达

风雨无阻 发表于 2022-9-24 23:33
& K5 R) v1 @& p/ zMaybe Debug mode?

不应该，看我上面的回复。

1 f* R0 x! m" m( O1 t3 k: K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)
) I$ `; N" }3 E% D{
        comp temp, xtimesy;

- Z3 x( ]: J7 D5 Z4 O! R7 q这个不是这么比的吧。。。

! Q& a4 c1 _' u$ I% j& P' Y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）。

2 i" ^# t$ Y, v. m; K* g) e6 k; z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

* J! V( }$ j* o, o; J0 D5 R: v' r

数值分析 发表于 2022-9-25 00:20
: U! m! ~* S3 w. j7 T  E$ k这个不是这么比的吧。。。
7 S  T! N- i) C7 ^  ]
2 w, _3 A, I  T* o8 q! z/ t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）。

/ }. M, Y' C; ~3 o; p
7 e6 N! n& A4 i) z( w  q+ z9 n5 n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。
! E) {6 s6 ~# u; r. c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 ...

( m% z' B7 d# B8 e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
* i' f8 K. t: q' ^9 \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

% [  t' z; n2 N2 @, U2 _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

5 K1 v8 e% y' K( K+ s; S( ?

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 ...

是的，兄台说的对。

/ x* h  O# h( a, l& a$ ^6 u  p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。

2 z1 g: ?0 i1 ~) J: g8 X% }, B. y( f. 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。
8 N/ f( {% d3 V/ l+ ~
6 G* ^4 g8 c; P" Y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

7 B- w& H, k9 W9 g. L& U

沉宝 发表于 2022-9-25 01:27
, i0 P3 k+ h: V, 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 ...

% K- Q8 \1 R; O/ k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。
4 S; M. l; Q/ y3 e# Z' R
6 Q# {5 }# ?; C' K' V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 ...

+ X) G  o0 Z( w/ W  W时间差一倍的结果可以接受。
; l) k. `6 U% J
你还是用profile工具看看吧。现在大家都主观瞎猜。

数值分析

* z  o2 [7 K& L8 S* v

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 ...

! M0 C  Z, P' V4 I' t


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。
- T, y) v! z% B( u: j: ~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.
8 d, }. M" C9 b6 J/ V7 I
4 i# [/ e& }0 l/ s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
3 b8 ?* ]+ e0 G  m! t  h3. float * 循环点乘累加 204s
1 m& B- [6 g) g4. 空循环 100000 次 202s
% M# Q" O5 t+ E' o
不做内循环 200s
6 o# c- i0 z& z2 M) h
你昨天说的对，内循环本身占比是很小的，大头在其他处理。
/ ^- q  Z  [. I9 g- ]: J2 C3 v另外可以看到， float * 循环点乘累加 并不差，比用vector 还更快。

4 q3 ^. G/ g8 L$ p5 A; Z* f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）
7 {0 _, Z- m" e5 x
（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）
) I* w( {: F1 K3 b) O

        std::vector < float > vec1(N);
        std::vector < float > vec2(N);
" k6 _" Y6 e5 Q        float* b1 = new float[N];
        float* b2 = new float[N];
+ h8 H* v7 n$ P' u: G! t' r3 e
, h: [1 A; Z' m9 v  G9 ~0 y        for (int j = 0; j < 6000; j++)
        {
                std::generate(vec1.begin(), vec1.end(), []() {
+ |% w* v/ K+ b- g7 l7 P                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
                        });

                std::generate(vec2.begin(), vec2.end(), []() {
6 N+ W1 Q7 y- h                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
" N( N: F8 D' Q5 W! g% ?: {( c                        });

                for (size_t jj = 0; jj < vec1.size(); jj++)
                {
, N$ o3 }7 f0 V1 y: l! o9 @                        b1[jj] = vec1[jj];
1 F, l0 l3 v( z  Y. ]                }

                for (size_t jj = 0; jj < vec2.size(); jj++)
                {
0 E* u' P# ^9 C5 @  l6 p4 X                        b2[jj] = vec2[jj];
" k/ s0 j+ z! q7 _                }

3 T  D$ Y* a& }  N5 ~                //Method - 1  N=100000 247s  
4 h8 H0 w8 l8 s8 K+ `+ i) p3 ]                //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
                                
7 u# I$ g) H- U( r                //Method - 2  N=100000  237s
                /*
$ {& l( ^" _0 `                for (int jj = 0; jj < N ; jj++)
                {
7 m. p/ O) P1 ^' A- R0 M* y                        fresult += vec1[jj] * vec2[jj];
7 m8 M+ d- M9 p* ]2 L- L                }
/ J$ x; ?/ I; h+ `) e                */
                                
6 o! b3 l$ H' z# n3 x( R- \+ l                //Method - 3  N=100000 204s
                /*
4 e6 s: h1 i1 G                for (int jj = 0; jj < N; jj++)
                {
1 N- H9 T$ x' _& t7 S" [                        fresult += b1[jj] * b2[jj];
6 j. s9 |* G4 f, {8 |$ `& |                }
                */
6 W+ s- t$ h! T9 F3 E
                //Method - 4   202s
& H6 A( H& g- W: f+ b                /*
                for (int jj = 0; jj < N; jj++)
2 @0 O* G6 b- w# w/ o' V  D                {
6 V( h0 J( v3 Q3 z3 [/ U" I                        
$ m# m, |, h1 ~8 x6 I! A: l. U1 ~                }
) O% B- g- b% p; G- s                */
                //comment out all methods, N=100000  202s               
  I3 d5 P6 ?, X. @7 t# x! l4 V" q        }
& I: q5 O$ Y9 }- C$ b- x$ L4 Q( a* u+ A9 t
        delete []b1;
& C" y+ \) C5 R% g5 g        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？
: h' F) P7 }4 v0 n  [; S+ j

雷达

机器猫 发表于 2022-9-27 00:15
# o( i# ]' q+ k  P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？
. p) |7 T* C1 t+ {; T( J) G
6 h+ B2 w0 ?3 T/ M! d1 |6 Q: o0 _7 c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

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
9 k+ _; c1 R  P) N; {" \  M6 U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 ...

7 g; g! Z. U' B5 w# ?$ }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。
' r4 N: Z- f% h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
4 H& v$ V! p' n1 Q! o5 Q7 Hvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
" [* O; C- y1 N{
        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。
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？
6 c; F) t; B3 d7 U' P. x# JVS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。