C++ 提速的新发现

雷达

C++ 比 Octave 慢好多，怎么破？
1 i) ~5 X* c& M. o$ i% Y4 _, @
3 E  h6 f! C' X. _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。

速度优化问题真的很有意思啊。
2 z$ }: {7 E. R% s  F
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？
* L8 N9 B% i- N7 h, D: x7 U6 H! f
- W- ^! I5 n+ B8 A- m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

# i" f( l" ]5 k

数值分析 发表于 2022-9-24 23:04
) {* O; j* n( T: i拉下来？拉多少？
把代码贴上来看看？

4 M5 h( ?9 e& ~0 C! U
6 \* J3 G& N, O# L( T" [8 dvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
0 }# d8 V+ S, z+ V& B* A$ O- B3 f  }{
3 A2 D: ~: a! a: y+ n        comp temp, xtimesy;
  `$ b! c. a/ Z: I) w* \# J        xtimesy.re = 0;
        xtimesy.im = 0;
3 k$ H; b0 T' C5 H1 D, W$ ~7 R8 d9 y        int j0 = lenB - 1;
8 P5 n, n- r* z/ D+ ^        int    i, j, i1, reali;
        if (lenA % 2 == 1)
                reali = lenA + 1;
        else
7 W5 u/ z3 ]  i                reali = lenA;
# k2 C& J* x% P$ K7 ]& F        reali /= 2;

        int nconv = reali + lenB;
        //#pragma omp parallel for
) \' O, Q  I; r- e3 D        for (i = reali; i < nconv; i++)
        {
7 M% R7 e1 P9 g* a* }                temp.re = 0;
                temp.im = 0;
( F5 W$ ~% o: \  u4 K3 T                i1 = i;
                for (j = j0; j >= 0; j--)
$ F: p+ u" n. b. [7 ]                {
9 L; b$ m+ j& a" C8 w1 h. P' [' M! n                        /* floating date operation */
4 }. K) u' ?6 G                }
9 h+ x; v& d* D: ~5 `        }
2 j' U( F) _( K! L. G0 h! _}

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

红色部分是内循环，现在其内部操作都comment out 了, j0大概是 6000。
6 u( e' c) O! y' S8 ~- a  Z现在call xcorr 100次，耗时78s.
. ]4 D2 C- u1 G3 H; D
8 S- L- M9 q8 N! u2 F8 o6 q; ~( F8 k如果把红色部分内循环本身完全comment out， call xcorr 1000次，耗时 <1s.
/ V6 c: |; Q5 Y6 Q. h+ @+ h

雷达

风雨无阻 发表于 2022-9-24 23:33
( v4 @" v8 r, OMaybe Debug mode?

不应该，看我上面的回复。
$ D. w* q! k. _8 g" B
我更怀疑是 VS 社区版的问题

数值分析

/ j8 `9 W. l( R$ a

雷达 发表于 2022-9-24 23:54
8 B0 |, ~$ a/ V1 m4 j# Hvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
0 H; _6 R. `+ F% Y' I{
( @% ^+ o+ m% R* T9 E) d: ]) y        comp temp, xtimesy;

+ X/ P  r7 p+ R9 V这个不是这么比的吧。。。

( c, B+ P& t/ }4 b' e9 F% ?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）。
7 }- P  p/ S- c7 g0 `2 s& p
! \) B( k* y% }! |! X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

! h" I% f7 {2 r# r' o  d

数值分析 发表于 2022-9-25 00:20
这个不是这么比的吧。。。

" q7 f& D2 I  E) i( n6 F3 Z; @4 O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 G8 O; f: X7 {, D1 K9 F7 A
, M" \6 X3 H3 E( `* p% s- ^有道理。
9 q; ?4 Z4 J" O5 U/ a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
# z" C$ G6 I3 }( P9 [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
* f! p% s- t+ e* s- ?0 p! L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

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
- g; t+ s* l- @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 X8 L# }5 E( ~, h+ U0 @' q
+ x6 S" T4 O5 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。

. M: n9 k  O" m/ ?9 v; O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。

% u& i" o: j8 i, C5 N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 L+ m" z9 U# P2 W4 J/ g6 a
7 x' W9 V" [/ V# ~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 ...

( ~1 I# E6 d# W% e% Z  r# 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，时间差一倍，我上面这个差的太多了。

' E) C9 G4 l. d( f: p' p) `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 ...

" s5 E( ]/ K: B  M, B3 Z+ c9 C. M! r时间差一倍的结果可以接受。
* D3 E% N( q  |2 g! n+ y
你还是用profile工具看看吧。现在大家都主观瞎猜。

数值分析

7 f- q6 N/ Q' d' C" M! d6 |

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 ...

2 P  _  Y% r) o: j2 j# V+ J

: t7 T9 N, N% C7 ]7 N" Q
能不能把这个也贴上来，看看和上一个有什么不同？

雷达

$ K$ P2 L7 k5 Y4 @5 y, ^

数值分析 发表于 2022-9-25 14:58
. C( U  y1 W/ f9 v- g) ]1 R9 @  Y* h# h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。
做了两个 vector 和 两个 float *, 都长 100000
9 ]+ ~2 A5 c6 J$ y' S0 P2 O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，
" }# R2 [; L& R1 H; U% a1. 直接调用 vector inner_product 247s
8 a' T0 A2 l# u* w( |( _: g3 u2. vector 循环点乘累加 237s
3. float * 循环点乘累加 204s
4. 空循环 100000 次 202s
& d2 E0 h; V! l0 N) }1 i. N
4 \5 M, h8 t' V不做内循环 200s

你昨天说的对，内循环本身占比是很小的，大头在其他处理。
  B' O/ Y) X2 s5 q2 _9 y另外可以看到， float * 循环点乘累加 并不差，比用vector 还更快。

) U% x1 ]& \7 P1 n1 r/ @7 a  v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）
4 Z- p7 \' t) ?1 c2 P) P. ^

        std::vector < float > vec1(N);
) F+ l" z/ m3 m: s' R: ]        std::vector < float > vec2(N);
        float* b1 = new float[N];
& n! m* Q3 o1 Z  f        float* b2 = new float[N];

        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));;
                        });
! G! u$ w$ N3 m* @# e
2 h- D/ }3 m& q# N) g2 ^- S& c. `                std::generate(vec2.begin(), vec2.end(), []() {
                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
                        });
: ~; X; p4 V0 h' i
                for (size_t jj = 0; jj < vec1.size(); jj++)
                {
                        b1[jj] = vec1[jj];
8 I# @+ a1 z5 O                }

7 F( F' E3 C5 m( D* Z2 C                for (size_t jj = 0; jj < vec2.size(); jj++)
6 }5 `& G2 L0 T( V$ i                {
9 I$ t5 N. b& L                        b2[jj] = vec2[jj];
( q) x) R. c8 i  G                }

                //Method - 1  N=100000 247s  
: d2 N' D# e$ K) g  ^- C) o2 w                //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
                                
! {; j" w) W" [/ I" }                //Method - 2  N=100000  237s
                /*
                for (int jj = 0; jj < N ; jj++)
                {
- `- @1 h1 F  Q: [                        fresult += vec1[jj] * vec2[jj];
                }
3 F3 ^1 _: |2 X) V6 j: U                */
  S; r5 R5 p0 `' A1 _- S/ x6 z6 W                                
                //Method - 3  N=100000 204s
& N- r; E8 x2 j$ M4 n                /*
2 M2 w2 J: a* v8 B                for (int jj = 0; jj < N; jj++)
* A4 g' Y' q- k8 b9 C                {
                        fresult += b1[jj] * b2[jj];
6 S2 C, U- U" i6 g) I  t+ |5 r                }
! P9 `/ d1 D; l7 T" g                */
1 Z* T+ F0 C3 A, F
  y1 Q, }, V& i+ R) s0 J1 }* v                //Method - 4   202s
                /*
                for (int jj = 0; jj < N; jj++)
5 G8 L7 M" S+ a! o                {
                        
                }
& R- j' }4 D3 y1 q" m- p                */
( K7 @* x* e+ S( x                //comment out all methods, N=100000  202s               
        }
2 P/ ]; z7 V1 U$ U# x1 D  h
        delete []b1;
        delete []b2;

) o1 x, G1 l3 Q& X( H' f" I6 @! O) |3 T" \

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？
8 N. J  f4 G9 u5 P

雷达

机器猫 发表于 2022-9-27 00:15
8 J7 W  E2 p. @! i% @1 h4 `( E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？
- y, H$ P8 m$ 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

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
% z" R6 o( _) ]2 Q
不和它 ...

4 e& a* y6 y+ R. Z4 y4 w% Y* b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
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
        comp temp, xtimesy;

$ C# t4 }- }, e7 ?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。