C++ 提速的新发现

雷达

C++ 比 Octave 慢好多，怎么破？
0 X& t! F; W7 V0 f  r, [' ?
  D6 ~3 r3 P% Z# X- \; H0 Z1 q- m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。
" O$ S; p- p* [2 I& i# ?0 f
速度优化问题真的很有意思啊。

欢迎大家继续讨论

数值分析

拉下来？拉多少？
# n% }2 m: x& S+ m0 v  F% S& P把代码贴上来看看？

% L" i: ]4 N. l1 ]7 b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
拉下来？拉多少？
. ?/ }5 X. r$ T$ y2 `把代码贴上来看看？

% Z( W6 A+ m4 j! S- S0 v
% @* K. B! O: `" Q0 w" P6 |2 G" Ovoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
, c# D3 |$ y2 {{
+ g# w) Q* k* S) }        comp temp, xtimesy;
        xtimesy.re = 0;
        xtimesy.im = 0;
        int j0 = lenB - 1;
        int    i, j, i1, reali;
4 J5 n# `, o& H* R1 m* n/ G* S        if (lenA % 2 == 1)
                reali = lenA + 1;
1 L/ C! E/ f+ j5 J$ f        else
6 t5 N3 k( U& N* ^                reali = lenA;
& @7 l( h  J  l* w! @: x* f  l  H        reali /= 2;
3 R/ Y% ]9 [' ^  a* o. }9 C, ]
        int nconv = reali + lenB;
        //#pragma omp parallel for
% n, v  }3 d! l2 G; Z        for (i = reali; i < nconv; i++)
        {
* y+ M1 f+ k7 b  a( o  t8 R* I                temp.re = 0;
% i0 @* i% @& H( G* }+ X/ ~                temp.im = 0;
, ?+ u1 O0 j- Z; H8 y                i1 = i;
                for (j = j0; j >= 0; j--)
8 b9 K3 [! A" \+ L: }0 X: O  D                {
5 H5 `! `- {4 G% O                        /* floating date operation */
/ b0 }7 v3 {4 \! R6 h                }
        }
1 q* N8 [  P( r5 S}

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
& h! e+ F* Q' b
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.
1 Q% E3 }( y" v7 s
% E  O; G& y* d) u* q; F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
Maybe Debug mode?

* H. V: t3 [5 R4 y
$ W, R+ O# ]0 Y# ^不应该，看我上面的回复。
5 z" ^: _* M* ^' j, j0 t; r+ @
# E/ T; r. l8 m7 j我更怀疑是 VS 社区版的问题

数值分析

, ], ?0 n* I1 ~

雷达 发表于 2022-9-24 23:54
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
$ N% @* O/ d4 B) M8 k4 v" n{
  G8 a; i8 j: U        comp temp, xtimesy;

1 R6 A! A3 M1 ^6 `; P, E& d
% i$ L4 r* v, C: `; x$ Z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）。

7 @8 ~' |4 B8 p+ Y( K3 S, ^  w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
; Q( c5 W+ p$ {8 K3 U( ?5 I/ F这个不是这么比的吧。。。

2 }% [0 x' B: S. b) Q/ H7 D3 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）。

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。

( G) `* ?' T) K1 {9 ~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。
7 L- v% J! a9 z6 k5 B8 i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 ...

- R, G$ P5 P% \3 u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
+ F- F, k( w* K$ }" nWhy 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
) a/ f) V+ F4 B- \% h! ~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' E# u4 \8 w& L  e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
$ U- P/ `( t! w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 ...

0 T* D' ]) o  Z2 V. @' y, l
# a9 R* d$ Z3 c% ?+ H: [是的，兄台说的对。
. O, a! r7 b  E9 d  m7 a, A
) u+ A2 U  m$ j7 Y: ~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。
- I! `0 P: A0 J+ {& g0 }0 T
: z; L2 q# o1 s4 U" x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。

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

1 P! h0 B! N+ g5 O$ p# v

沉宝 发表于 2022-9-25 01:27
! E, E/ X- ?% p( ~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 ...

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。
# J# G$ i5 X1 W: i/ {1 {
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 ...

9 |* {" P% K( b; `, F时间差一倍的结果可以接受。
$ ~- n; G  X8 {- g5 Z
7 L: _9 o3 Z  K你还是用profile工具看看吧。现在大家都主观瞎猜。

数值分析

/ Q, o5 f$ b5 |8 }2 C4 S$ V

雷达 发表于 2022-9-25 04:47
. b& K3 `) ?) e# @, t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 ...

1 _- M' N, v% O3 r6 k8 n

' j% T$ l; K: K9 N8 P8 Z  }
1 U" E7 Y3 D0 a9 ?8 `% |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
! u# ?$ }; V. k' e, U/ F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
( h2 t: `. Q3 e# 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.

% c7 @9 }0 q/ p2 y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. float * 循环点乘累加 204s
* {4 h& d1 A9 e- d4. 空循环 100000 次 202s
! {0 J5 O4 I8 a1 U5 n; L0 l
" f" J: z0 Z6 e3 D" {9 c不做内循环 200s

+ T; V2 j% c- s  t. {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。

- y9 f1 ^% Z) x. W! i$ G5 [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）
( A& O2 n  j" c9 \- l
（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）
' T& G+ S. J! ~- O5 w0 `9 i
1 \4 i6 M8 h% G. @  D

        std::vector < float > vec1(N);
        std::vector < float > vec2(N);
- {5 x; s' w) K9 {3 b7 i        float* b1 = new float[N];
+ ^9 K3 O! M2 [4 G        float* b2 = new float[N];

        for (int j = 0; j < 6000; j++)
% c; _8 e7 f' Y9 G3 b  G2 I        {
( L- g* }3 R6 J. o( A                std::generate(vec1.begin(), vec1.end(), []() {
                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
8 ?7 G1 n9 r: ?+ q; f                        });
( q/ f  w2 n+ M9 E  I; {& X
                std::generate(vec2.begin(), vec2.end(), []() {
                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
                        });

: G% q, M4 b) v  I$ V5 _                for (size_t jj = 0; jj < vec1.size(); jj++)
                {
                        b1[jj] = vec1[jj];
                }

9 n( r* [! o  l* z                for (size_t jj = 0; jj < vec2.size(); jj++)
  _( N1 k# B5 \( m( `# W! \+ Y                {
                        b2[jj] = vec2[jj];
6 G( L! @& m; K" [, O7 \                }

                //Method - 1  N=100000 247s  
, N/ d3 U; v% b" U                //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
0 J, `/ P: A7 b8 r2 N2 ?8 C! N9 l                                
/ c, n# B! Q6 Z$ r- S                //Method - 2  N=100000  237s
                /*
* _  L/ i: V8 A; _8 x                for (int jj = 0; jj < N ; jj++)
' g7 B2 B9 h6 w( S* {$ }  d6 [                {
                        fresult += vec1[jj] * vec2[jj];
* e7 ^- e, R, ~                }
9 j- |2 T, _  Y7 e                */
9 g/ i6 w" q6 Q. f* G                                
" N: N$ `, ]3 @+ l& l- v5 w1 r+ F                //Method - 3  N=100000 204s
# |; z- z% f0 j% U                /*
                for (int jj = 0; jj < N; jj++)
                {
                        fresult += b1[jj] * b2[jj];
' m4 \  S' x! x                }
! \+ _% w0 ^+ E5 _" {. U                */

$ D6 K0 z; \9 {+ R                //Method - 4   202s
                /*
  P5 [$ x& m. r  o  O: d                for (int jj = 0; jj < N; jj++)
                {
0 h/ M4 N* G0 M/ l                        
' X' X2 e) \' I                }
                */
                //comment out all methods, N=100000  202s               
        }

        delete []b1;
& x3 w0 c6 l# y, V( e5 e, \! b        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？

! ?6 S, ], M1 W8 {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？
  v% I; _' W+ i  u2 B

雷达

机器猫 发表于 2022-9-27 00:15
7 v  d# U3 {9 `" ?/ Z# ^- h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 q: w6 Q: `$ _" O7 `
  i! z8 ?9 F6 c: [5 T* r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

2 L4 b% ~+ O4 Y  s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
' X+ Z6 j; {& z5 Q; t& n
不和它 ...

% m  x$ L/ \( x1 I1 V: _
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。
7 C/ v: z" [% I4 I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
5 R) C6 @/ T6 i! Z" p4 M' H% B5 uvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
7 J& ]& t# S, \/ y{
/ C; e+ m' `7 t        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？
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。