C++ 提速的新发现

雷达

C++ 比 Octave 慢好多，怎么破？

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。

- A- ^0 W* P2 @. ]" W( L/ d' y速度优化问题真的很有意思啊。
9 b  C6 x- q' }. m' B% u
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？

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

3 @" T6 _% Q2 i$ m5 Q, P2 I

数值分析 发表于 2022-9-24 23:04
3 A' D1 ^1 q: |/ x6 U9 r拉下来？拉多少？
' {& q: e& y1 Z1 u把代码贴上来看看？

" h3 E. \! ~- r: z" S" W4 l
: u+ q% A6 C0 u$ d8 m9 R: D7 gvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
        comp temp, xtimesy;
        xtimesy.re = 0;
6 B+ T3 f% E8 B        xtimesy.im = 0;
5 `. V5 C& V: W8 I7 {        int j0 = lenB - 1;
, g( a! F* U/ C3 E3 L        int    i, j, i1, reali;
        if (lenA % 2 == 1)
- f: w5 ^8 q( G  ^) Z# q- {                reali = lenA + 1;
% v0 H. {. r: T4 ^' U: b1 w, J3 S        else
/ y- I9 a! k! A9 p9 i$ g                reali = lenA;
+ Z! N2 ^8 K/ Z& Q        reali /= 2;
) _2 |# t# ]# g' _) d: W1 l
. T8 z! p2 j& S; J        int nconv = reali + lenB;
        //#pragma omp parallel for
- Q" U- p) T5 i* {  F        for (i = reali; i < nconv; i++)
" v! o8 C  W; D2 ~; B        {
                temp.re = 0;
$ y  q" y. ^4 P. f, ~4 ?                temp.im = 0;
                i1 = i;
                for (j = j0; j >= 0; j--)
$ w* z7 _( {$ x                {
7 J; Q6 c+ r! T3 O" Z: C7 |5 M- j- G                        /* floating date operation */
                }
        }
}

! g0 h, f8 p1 r9 C% txcorr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
, U0 |( s* [1 G6 b* ^3 X% K
: M) J& Z; X/ f# x* L- M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.
; v4 w7 O$ l" T5 {. x
* ^0 w; n: j; |; h/ l7 m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
1 a9 b1 |! K) cMaybe Debug mode?

不应该，看我上面的回复。

( `9 ^7 E6 E+ P0 @我更怀疑是 VS 社区版的问题

数值分析

/ l  G4 t& ]% @: j  z

雷达 发表于 2022-9-24 23:54
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
. [; Z' r6 Q5 |        comp temp, xtimesy;

& q/ d! @  P/ c  K( E. x8 w
( k3 W3 `# l' i. ~" {8 T这个不是这么比的吧。。。

1 {0 j( }1 a9 J8 d$ k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）。

+ Z* A1 W9 B# J( L0 }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
/ ?, e$ H) D. _8 F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）。

# `  }& O" A! c2 p4 v+ Y: ?# B有道理。
! g0 Y% u$ t, S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
) j" \2 y' `/ c' @" E: 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，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。。。

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

1 u9 T" g7 N/ q- F+ }
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

1 q' @/ a7 ]2 D, Y6 p" T

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 ...

. _5 n4 ?% k4 ]+ |1 T0 Z! m
是的，兄台说的对。
" F( J# G) L& M2 |1 K
2 a! M' ^! j7 e" x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。
6 K# H' d0 g' V' W( `  U
0 k* i/ G2 R" W/ [: i( A, h* }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 ^0 e. f3 @, G! @% \, X
7 W2 e* w8 D: a. w, T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。
% h, k  Y" l5 B: Q# p( W
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

$ {% L7 K. h% N) R' j' m8 E! y

沉宝 发表于 2022-9-25 01:27
7 S+ i+ R% J/ T; ~* F; T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 ...

$ Q0 V' n/ c  q# b
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
) H& t1 b/ \1 o, M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 ...

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

+ U" f/ M' ^; ^; ~. ]  l( A

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

数值分析 发表于 2022-9-25 14:58
& y* s3 M; k, r; w0 K! m3 y能不能把这个也贴上来，看看和上一个有什么不同？

1 y$ A- C; ^" i1 T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.

内循环试了4种方法，
# o2 V$ v0 \" y6 E' R9 S6 p1. 直接调用 vector inner_product 247s
# i# S$ Z; {! C! B% W" S2. vector 循环点乘累加 237s
3. float * 循环点乘累加 204s
4. 空循环 100000 次 202s

( S  x" o, m, M$ T0 f2 S4 u' k不做内循环 200s

. h! R" q5 Q, i0 G, o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。
6 `) w) {- I- 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）

（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）

# f& w, V+ R5 g/ Z/ `2 f

        std::vector < float > vec1(N);
  C  u) U' Z' T9 S, v+ E2 l        std::vector < float > vec2(N);
        float* b1 = new float[N];
0 M: m$ j2 Z: \$ b        float* b2 = new float[N];

7 F5 A8 L! D4 V5 u; t) ^- n        for (int j = 0; j < 6000; j++)
        {
2 s* Z% h" @1 }/ e6 D$ L                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));;
! |" e% T4 q/ \7 Z+ o8 g                        });

                for (size_t jj = 0; jj < vec1.size(); jj++)
                {
* }% _8 t% L2 ?                        b1[jj] = vec1[jj];
                }

* G( C: v" G5 z( K( f3 ^                for (size_t jj = 0; jj < vec2.size(); jj++)
$ [6 q8 Q( R9 j1 O8 w                {
                        b2[jj] = vec2[jj];
                }

' Z( \; d; b5 ~: j# m                //Method - 1  N=100000 247s  
3 S6 g9 z( Z$ D" o                //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
$ X# |/ K6 U: c* s- u  H                                
                //Method - 2  N=100000  237s
2 |$ W8 N. t- R4 P6 }* T                /*
. F: g* d8 m6 U) A$ T6 [$ a                for (int jj = 0; jj < N ; jj++)
                {
                        fresult += vec1[jj] * vec2[jj];
) [( x% A, u5 X) d. d                }
                */
5 B& k: u" G5 M; E, w( N8 U! }) W8 n                                
                //Method - 3  N=100000 204s
                /*
                for (int jj = 0; jj < N; jj++)
                {
                        fresult += b1[jj] * b2[jj];
                }
5 C- t# K; w8 Y. U                */

                //Method - 4   202s
' y1 v2 Q/ w3 ^4 u0 k1 h8 ?/ r                /*
                for (int jj = 0; jj < N; jj++)
( F4 @/ f/ w* v0 X) N                {
                        
                }
. ~8 H  G% ^0 {3 `6 l; t) T; s, D                */
6 d0 I" |- r5 ^                //comment out all methods, N=100000  202s               
$ R$ o' B& a" c' j3 N  N' ?  R2 G        }

        delete []b1;
        delete []b2;

4 l% t1 \1 a+ _$ Y1 b" i# m6 H, C

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？
1 H6 j  x( G# u
7 p! i2 W/ J9 d* L4 {8 z. f) K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？
  `. o. d0 Y  u( M: R, g9 R9 m# ~. o

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？
+ E; i0 j) S  k9 P4 e( _2 z- i+ h4 w
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

# H( T7 @7 u) C; N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
" b; Z% p( G6 G& Q6 J, N: F
/ E/ j, A, y* N; F; L$ E不和它 ...

6 [! c( ]3 M/ h2 k4 t/ h* M
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
* {+ P% r' Q& L8 U* D/ y0 A% M8 S1 cvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
! V% f2 s) r) G' \4 C, T6 z8 i        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。
. t6 o3 ^' M7 S* V2 V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？
. x* K" A9 _0 a2 \2 MVS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。