C++ 提速的新发现

雷达

C++ 比 Octave 慢好多，怎么破？
* {; @4 ]+ h" t1 e6 N6 ]
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。

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？

% ^$ q6 c6 \# D5 w/ i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？
把代码贴上来看看？

: l, V; H% ?8 H% ^
' Z6 C! `2 n3 |' `; A; yvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
3 ~0 M% b: l* s/ _- V  N9 Y- g{
        comp temp, xtimesy;
/ o- b. M8 B) @7 M: R' n& f        xtimesy.re = 0;
        xtimesy.im = 0;
        int j0 = lenB - 1;
        int    i, j, i1, reali;
        if (lenA % 2 == 1)
                reali = lenA + 1;
9 O) J' ]% C5 H: v5 d8 r+ e# A        else
5 T0 t* Y1 m" G) W5 N                reali = lenA;
        reali /= 2;

        int nconv = reali + lenB;
        //#pragma omp parallel for
        for (i = reali; i < nconv; i++)
8 y2 ], y3 O6 z$ A1 I  I8 T9 Q' O        {
& B5 \2 {2 D4 z4 c5 X5 k" }. J: f( ]                temp.re = 0;
                temp.im = 0;
                i1 = i;
                for (j = j0; j >= 0; j--)
                {
                        /* floating date operation */
                }
        }
}

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
6 O/ \$ ]3 |3 d9 H' ^
8 V4 u* X& Y: [4 v6 t* w红色部分是内循环，现在其内部操作都comment out 了, j0大概是 6000。
  W( l7 w. L' s现在call xcorr 100次，耗时78s.
7 t9 ]6 M* ^$ @3 P
如果把红色部分内循环本身完全comment out， call xcorr 1000次，耗时 <1s.

/ m8 L5 h. E$ S$ a  S2 k

雷达

风雨无阻 发表于 2022-9-24 23:33
( v. o$ K7 ?5 }Maybe Debug mode?

) }# l! \$ f1 Q4 F# O1 `. G2 ]: m  S
不应该，看我上面的回复。

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)
{
5 D  y) r5 h' {  i        comp temp, xtimesy;

6 m2 {8 v9 z$ `% b  R这个不是这么比的吧。。。

4 i5 Z! A# H" i+ c8 ?8 }1 d% x% W- g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，慢个几十倍不是正常的么？

雷达

+ ?* _0 q. ^4 U0 K" m4 A+ b- d; }3 w# R# ^" u

数值分析 发表于 2022-9-25 00:20
$ J$ f: h4 M5 C: i9 r5 j; G2 {这个不是这么比的吧。。。
& `/ ]" K" p3 G) G6 A) P
5 V# w& Y% c% O, [3 f; a& b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。
2 x% J  u, v6 U6 u! c5 n! U* Q+ [) U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
1 r9 ~5 n' \4 X6 E! b. {有道理。
! N% F) N+ ^+ T9 Z( w' o" ]: x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
: O+ `! H/ [& b1 O  y+ e# i+ D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

9 ?) R2 Y) q3 |, U2 V
4 A1 g( v7 g+ V& i( C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
4 x* n, C! G- z( ^2 x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 ...

. w( b+ }/ ~! Q是的，兄台说的对。
9 a; u/ f) s: p( _- X0 I
% j2 \* [' r0 j; t- |  a+ u% d5 n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。
! |% u/ E$ L0 }7 Z: }7 ]0 u
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。
: a# |. L- x: V/ x/ 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。

6 `- [8 v; u' ~- f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
/ W& F4 O/ K" C7 B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 ...

8 B: g! ]0 \. `1 \6 k/ s7 A9 Y
, A( \) m$ y) g0 f: G1 e% p9 u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。
2 l$ j: h3 J8 J1 ?5 f1 P# g. G
5 M7 B) Q8 c, Y4 E3 ?" u8 ]& b/ W* b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 ...

* h: u& E. o& u8 q时间差一倍的结果可以接受。
8 w) a: l& N7 J5 N/ O1 ]: w
你还是用profile工具看看吧。现在大家都主观瞎猜。

数值分析

雷达 发表于 2022-9-25 04:47
" h7 X7 @/ J: [! }/ ?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 ...

" _- `, T* [6 o& C
( i+ J* o( F* M9 V9 Y5 `* _能不能把这个也贴上来，看看和上一个有什么不同？

雷达

0 |3 ^* g& m( Y# o, U& w! l% ]* L# j- m

数值分析 发表于 2022-9-25 14:58
9 e, T5 Q- Z6 h能不能把这个也贴上来，看看和上一个有什么不同？

2 s3 u/ N% X& q' e$ D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.

5 o& f) K% L& c, p  z7 V内循环试了4种方法，
/ g  F3 A* G& j2 f$ E8 I! W) @1. 直接调用 vector inner_product 247s
  @' {# F: b+ n* j( r2. vector 循环点乘累加 237s
0 d, g+ V+ [+ Z! W- O3. float * 循环点乘累加 204s
4. 空循环 100000 次 202s

不做内循环 200s
% Y8 R' \8 \2 U8 Y8 r' Q; [
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。

# y6 J) ~+ s' r- l; C) P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 ?. ?) }5 |2 P3 e4 [（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）

        std::vector < float > vec1(N);
' o7 @2 d5 }6 C( V        std::vector < float > vec2(N);
        float* b1 = new float[N];
: A7 C/ ?$ T: _% ]& k& E" o5 O+ m        float* b2 = new float[N];

0 [( j2 G, U# \7 u! F        for (int j = 0; j < 6000; j++)
        {
0 t7 r9 M# Y: e  q' N                std::generate(vec1.begin(), vec1.end(), []() {
% `, W" P) K! G& x                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
" E- K1 m9 H" m0 _/ \% F$ d4 v                        });
* i( o) g" O: x0 o8 r
# p* N$ ^( ]3 Q- I& w0 b                std::generate(vec2.begin(), vec2.end(), []() {
                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
) z; t: G$ e! e! p) ]+ A6 V                        });

                for (size_t jj = 0; jj < vec1.size(); jj++)
                {
% ]5 C( H* z, ^/ v4 ]5 P                        b1[jj] = vec1[jj];
                }
1 \" d8 d8 X1 _* N( ^5 ]
& F6 F& o/ O$ J, u                for (size_t jj = 0; jj < vec2.size(); jj++)
6 R' @6 T$ A: X* e8 z! Y; Z( p                {
                        b2[jj] = vec2[jj];
                }

                //Method - 1  N=100000 247s  
# p& o+ r5 M  Z! k# |                //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
8 Q! a2 W: W: K, l: W                                
                //Method - 2  N=100000  237s
6 f4 I0 _% L+ P) U                /*
                for (int jj = 0; jj < N ; jj++)
6 \2 ~5 [+ h- W  S  l                {
0 ?/ v- V1 J1 {1 f/ K                        fresult += vec1[jj] * vec2[jj];
                }
                */
                                
9 D: `2 P2 S: s) g/ ^                //Method - 3  N=100000 204s
% a/ m2 x6 ~, R8 ?6 N' H                /*
+ l; ]( L3 l$ p                for (int jj = 0; jj < N; jj++)
# s; }. H, @2 i- j: K7 _4 |5 [  i                {
                        fresult += b1[jj] * b2[jj];
                }
+ G2 x4 \6 o+ U                */
$ Z2 a/ c- b# R! i# d% t# K+ U/ |# h
" t' W* k# s5 v5 {" ]6 {                //Method - 4   202s
! f  P# q3 C  F                /*
5 _9 J* A7 D# {( j) `                for (int jj = 0; jj < N; jj++)
                {
                        
                }
                */
0 y8 t  v: L; n. e! }                //comment out all methods, N=100000  202s               
* l3 h* I' Y1 [8 m3 S# R' X        }

( o3 o% H6 E$ i: g        delete []b1;
        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？
/ t+ A! o% k7 c8 `2 [
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？
! ]; M- _4 O1 |( y8 _+ U( N# Y- a

雷达

机器猫 发表于 2022-9-27 00:15
( [4 m: B7 H/ b; M1 {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？
' I9 k& B8 }* ?7 j
% }% |( @1 `0 V4 h' [$ [) Z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

! Z1 m- X* M8 K- a7 L! Q7 W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
, |5 K& l3 J$ v# a* [* i0 b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

9 l- Q* }* h: W* }/ q不和它 ...

( a, a$ N: `5 b- i$ K0 q" s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。
4 M/ E6 a) P8 {9 t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;

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。
) u2 J0 V# C, D8 B+ U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？
: E- I7 l" {9 _! T$ EVS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。