C++ 提速的新发现

雷达

C++ 比 Octave 慢好多，怎么破？
( e! C, ^3 ^9 b. J& ?7 k
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。
7 a% Y- O+ b, q
4 L7 f: Y; T' h, `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？

# N% W8 l: u" ], n0 _, v/ |$ u2 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

6 r; P% s% O/ e$ n2 v; B* K

数值分析 发表于 2022-9-24 23:04
# V* l  d; Y# t3 h拉下来？拉多少？
9 z$ L" J" k$ {5 M7 g把代码贴上来看看？

5 K; _8 v9 }8 e3 k7 p) N
" t3 Q5 J+ S9 I" S! ?$ Mvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
  d( m4 m7 L0 x2 C{
. q; T3 k2 E3 K" [. M' K2 U        comp temp, xtimesy;
1 ~* O% g  z' R- c; a2 d5 j        xtimesy.re = 0;
" I2 k6 o/ B1 k3 I. \) \; l& _: k1 u        xtimesy.im = 0;
$ Q, k  e  F/ S/ m1 ], N" M        int j0 = lenB - 1;
        int    i, j, i1, reali;
$ \$ O1 E, S; j  n7 E# G' K$ f# t0 H' F: z        if (lenA % 2 == 1)
7 Q# i$ i" a2 |2 m) }6 i4 ]                reali = lenA + 1;
        else
                reali = lenA;
        reali /= 2;
" a5 O2 }( F; H% K. ~/ N  q+ B! S
        int nconv = reali + lenB;
        //#pragma omp parallel for
        for (i = reali; i < nconv; i++)
        {
                temp.re = 0;
                temp.im = 0;
: b$ V8 S; f6 j+ l( Z- N                i1 = i;
                for (j = j0; j >= 0; j--)
* m( w  O- X; ]9 R                {
                        /* floating date operation */
                }
3 e6 p8 @: ^1 |  o' S# r' y        }
/ L. D. E: i$ B$ W1 k- Q}
9 X- e0 _/ F& _- u) ]% M
+ L' k: l( N% Pxcorr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
7 g9 F2 h! j& W5 H$ x; ?! p
红色部分是内循环，现在其内部操作都comment out 了, j0大概是 6000。
& Z5 u$ }: U; @6 I现在call xcorr 100次，耗时78s.

. l) ?+ a" Z9 ~0 a5 S% r+ O如果把红色部分内循环本身完全comment out， call xcorr 1000次，耗时 <1s.
! m- o# V8 D' t$ j3 D2 A
) m  o4 o/ W& c4 {' L% z1 `

雷达

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

" `* d  ~2 {% ^; B% n0 E9 O3 y不应该，看我上面的回复。

. F' l! B3 W  w0 g我更怀疑是 VS 社区版的问题

数值分析

( ]; v0 H0 n5 I& p) v

雷达 发表于 2022-9-24 23:54
+ ?9 a1 J+ x, j; D! G1 ]; ^void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
6 c$ d0 w  l& U7 c8 c; T! N{
        comp temp, xtimesy;

7 ^- ~( }! M, `) y; q; ]
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）。

: M# L2 W6 c3 f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
+ T2 v- L! Z+ [  c这个不是这么比的吧。。。

$ F8 I# i3 m) m* u& \  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）。

( [) O$ J& r) \
有道理。
2 \# F& K: E; w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。
" E$ u6 @  N/ u3 k) {0 Y
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
; H/ P2 `$ S8 `8 D# G  v有道理。
" r4 n* R; b' p0 `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。。。

' G, N$ I! }0 W9 N. S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

7 t* l! v- B& ^3 Z
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

" l$ y, z# F1 j/ q* P" V

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 ...

, e, e9 j8 u+ \4 @4 M0 z+ k' w是的，兄台说的对。
7 e5 U8 k& p* ^! {' S) n( q
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。

7 D7 j9 V- z& \: U9 U% L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。
5 p& j5 ~& \& I( }
+ z; f# Z3 g" d& r: y9 o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

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 ...

* N  O5 K5 a. l) S8 |
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。
$ B6 u: J, p% d; Q* e' q
我已经完全懵了。

沉宝

雷达 发表于 2022-9-25 04:47
/ D; _, ~6 D) ^( \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 ...

3 M' f$ @, [1 S5 B" m时间差一倍的结果可以接受。
$ E2 w' ?2 |3 [4 o2 ?& ?
你还是用profile工具看看吧。现在大家都主观瞎猜。

数值分析

: _/ I8 @. n# i4 a! ?  H

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 ...

& l, u( z% t0 `& @

4 Z* p4 @. L3 w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？

. ?8 C* i8 |7 n2 e" L, e& M* A理了理思路，重新做了一个测试。
, J+ F1 v0 D" o8 y) F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.
; E7 Z# p  q* B
8 y6 W" h6 b% u7 R内循环试了4种方法，
5 l- T; V; Y- z9 [9 A) B! N1. 直接调用 vector inner_product 247s
2. vector 循环点乘累加 237s
/ }- S4 @* @$ U9 x3. float * 循环点乘累加 204s
4. 空循环 100000 次 202s
. [# A5 ?+ M( B' {6 H2 B& y( f6 Q
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。
# Q5 A, M0 B! v$ V& e5 p另外可以看到， float * 循环点乘累加 并不差，比用vector 还更快。
, L. F. P$ f6 E* n/ E3 K% E8 i
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）

' T: [, {7 ]6 p3 `! ]

        std::vector < float > vec1(N);
) f: j; A( R; ~& y6 }        std::vector < float > vec2(N);
+ ]/ B6 I' z3 V$ z: y        float* b1 = new float[N];
        float* b2 = new float[N];

9 f+ R9 g" U+ ]: T4 V        for (int j = 0; j < 6000; j++)
0 K; ^% J. s8 T, W5 F        {
) {+ s# X2 p. u% I! k) Z                std::generate(vec1.begin(), vec1.end(), []() {
                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
                        });
2 o4 z, C( k  }: h5 w+ D
                std::generate(vec2.begin(), vec2.end(), []() {
' m5 G( i, A8 ~1 [2 B+ A8 }8 Z                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
& d/ L5 \3 x2 n9 h+ ?                        });
# U+ e5 P$ z2 l0 Q+ F: w
6 D/ Z6 a- Q, P; A2 e3 a                for (size_t jj = 0; jj < vec1.size(); jj++)
; c# ~0 H) c3 v                {
                        b1[jj] = vec1[jj];
                }
; w4 |* k' W* k2 x- H
                for (size_t jj = 0; jj < vec2.size(); jj++)
                {
; @/ h; l) `7 y& d" W1 x                        b2[jj] = vec2[jj];
                }

                //Method - 1  N=100000 247s  
+ ]4 S7 j. D2 i/ E1 d) B6 g' D+ f+ D                //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
                                
9 l9 ?7 x' X  |: g0 g9 k. O                //Method - 2  N=100000  237s
                /*
& P3 h- k  `6 c  i: _5 o                for (int jj = 0; jj < N ; jj++)
                {
                        fresult += vec1[jj] * vec2[jj];
                }
                */
                                
* V) h4 g. J* q0 r/ Z( X                //Method - 3  N=100000 204s
, P+ V8 N2 b( j/ i# ^6 b: Z                /*
                for (int jj = 0; jj < N; jj++)
                {
( _( Y3 C9 z/ i  U+ S, ~/ o) |                        fresult += b1[jj] * b2[jj];
* Y# |& P# Y. R* }9 u                }
+ M  }7 m5 p2 C# b& s                */
1 \3 J) V- ?1 f7 b& S4 z; Q2 e5 x
7 D+ t1 o' f0 \9 A                //Method - 4   202s
                /*
                for (int jj = 0; jj < N; jj++)
$ R/ }6 ]" b, K6 f" Z5 U                {
                        
                }
4 ~! v- ~/ A' |                */
                //comment out all methods, N=100000  202s               
# D1 L$ I/ K5 [1 r  i4 ]: R$ I        }

        delete []b1;
' z* F$ e1 p% a        delete []b2;

* ~6 A2 E% v& H% y, Z' x

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？
, H7 t8 E" |  P7 d. f
, }7 @' ]0 [, f# z1 B  a' b# v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？
7 n4 y# B6 w* R, p. K

雷达

机器猫 发表于 2022-9-27 00:15
5 \) a* ?( j" q: Q6 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？

: j" n! E4 d3 ?) H* Q3 v0 w! O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
* Y3 ^  i4 [' N
1 w) |) g. T1 h# b, s# Q2 J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
7 r& Y1 C2 F2 j9 h3 t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
: x7 O2 P2 F8 `& t
不和它 ...

) l6 s1 Y0 X: W0 ^, a9 X- B- m* 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。
+ H( L# f3 x* G  J8 @2 F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)
  w! l# F9 G" B! x( @/ Z{
        comp temp, xtimesy;

+ d, y% m/ S5 A: k& h$ {2 N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？
7 s* g( _+ w' O- dVS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。