C++ 提速的新发现

雷达

C++ 比 Octave 慢好多，怎么破？
7 o( E. O4 v, b
! @1 {: M$ z3 b0 `/ 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。
1 ~/ h* |  V% ?: I* v! O2 ~. C
: n/ @% \& F- K4 l) A速度优化问题真的很有意思啊。
; m8 k" D% h; V( |1 H
$ Y+ I) x6 J" D' I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？
1 y0 N8 @& f2 R. T/ ?" y
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

! P+ ]% X+ U, R' k4 w

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？

8 k, g; f( P* L9 k8 J
8 J; A+ w. e  x& `void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
: r4 _6 J$ H  u/ g' n% m{
        comp temp, xtimesy;
1 w( `. V3 @! K& _# H        xtimesy.re = 0;
        xtimesy.im = 0;
# h& G6 |8 B$ q2 X0 }        int j0 = lenB - 1;
' s; x6 m) g+ D! J        int    i, j, i1, reali;
        if (lenA % 2 == 1)
                reali = lenA + 1;
        else
5 V) J' \. _! C; C; B  T% ?                reali = lenA;
1 f  Z: H5 S. }) g# n        reali /= 2;

        int nconv = reali + lenB;
        //#pragma omp parallel for
        for (i = reali; i < nconv; i++)
# F2 Y& {$ O- Y/ Y4 ]+ u$ k' Q0 T; |        {
                temp.re = 0;
                temp.im = 0;
1 \, V( M% a0 w7 U- ~9 I6 h' _2 L                i1 = i;
                for (j = j0; j >= 0; j--)
# q! |! ?% p( i; l                {
4 H/ V. i. w! }# B8 H                        /* 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
# K$ K5 G6 U! D" q
; M6 l, s- v' f& ^红色部分是内循环，现在其内部操作都comment out 了, j0大概是 6000。
7 T: f6 J9 m* @, k2 c% e7 O1 P现在call xcorr 100次，耗时78s.
6 `9 M( |( h2 |2 Z5 x; u
. a( ?! W9 D( e9 y9 G# W( \- ^如果把红色部分内循环本身完全comment out， call xcorr 1000次，耗时 <1s.

- e+ c1 y* q' w: @9 i! b! M

雷达

风雨无阻 发表于 2022-9-24 23:33
% b4 g& ]1 y5 s8 }, cMaybe Debug mode?

6 G5 k0 b- f3 D4 c/ n! C6 t
* F) I" s) Q$ v* m8 T& w不应该，看我上面的回复。
& h# ?0 u6 K% T$ L/ b. _+ D2 O
" f4 b% C* n3 Z: G我更怀疑是 VS 社区版的问题

数值分析

% n( w$ [) v( x% X/ Z8 a

雷达 发表于 2022-9-24 23:54
5 ?" N. P: [9 B& _void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
0 K' w, G9 `% [        comp temp, xtimesy;

, Y  R% n8 n) p7 s. Z5 s% Q) d8 i* l这个不是这么比的吧。。。

1 T. E+ a0 \1 s2 I: Z- i0 n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 j. q$ P' T+ Q1 h& j2 S( H/ k
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
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）。

) l0 w2 s& }- u3 c
% A! x5 B% l6 D1 T8 r5 O) k# S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。

* ?! p/ W$ ~" v; X8 b! w4 N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。
. N5 b) t( ^: y" ~, @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 ...

# Y4 U9 Y& B. G% e8 j! @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。。。
" g3 E* g, B% 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）。

而加上内循环，光jmp和dec指令就至少多执行了6000个

" q8 C# L/ G8 s: ^* g
  k" \; o$ @4 y1 K: f1 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

# t( s3 Z$ i  K" A! h

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 ...

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。

0 u5 X: o8 x, J7 `9 `$ Y' f4 E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。

$ v6 ?9 @# M; M& `6 |3 h  `" ?6 C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
/ m& s9 N% o# b# C, V7 H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 ...

! v( V8 e3 V! t8 }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 w7 E' u9 N0 ]2 l7 c% T& b我已经完全懵了。

沉宝

雷达 发表于 2022-9-25 04:47
7 W! z6 U+ V/ ^" l) p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。

. h. _( |8 _# t. M  B) i+ ]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
* a7 Q) z1 b4 I+ k/ T% {6 @: A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 ...

$ W7 j3 Q9 J% H4 g$ r5 i

1 v1 M$ |4 d+ U% |5 F
+ D: k7 y2 q: f$ X0 F& n能不能把这个也贴上来，看看和上一个有什么不同？

雷达

! G* O$ s+ q" X& W: c

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？

理了理思路，重新做了一个测试。
  C9 W. C/ E  X/ K' Q' b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，
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
" f2 x, f3 l; v& B! r  |; \% Q4. 空循环 100000 次 202s
" h3 D6 _5 z* B% Z! t& @. |
不做内循环 200s

0 o& ]8 U! ^+ N) C( B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。
4 L7 q$ ]0 S/ ~) @) f0 Z0 h, F
8 a7 }, S+ [( P* A- S' j7 B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）

        std::vector < float > vec1(N);
9 Z* u3 G8 {( g: ], T5 I0 W        std::vector < float > vec2(N);
9 U( n9 q( K, r& |        float* b1 = new float[N];
        float* b2 = new float[N];

1 k# r7 @7 s% l5 S1 r3 @9 J        for (int j = 0; j < 6000; j++)
        {
! s2 b- e( P$ I4 f; }& [2 B* u                std::generate(vec1.begin(), vec1.end(), []() {
, w7 e' ^" V8 w& d; x                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
                        });

                std::generate(vec2.begin(), vec2.end(), []() {
- N5 l. y- c$ n% m% O4 a3 G                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
                        });

- a8 b$ _, p4 n1 v7 `8 {                for (size_t jj = 0; jj < vec1.size(); jj++)
                {
$ o- A8 J% u6 O4 ^                        b1[jj] = vec1[jj];
                }
# q  t. O- O: ?( A
9 A9 Z  f; n) N3 \                for (size_t jj = 0; jj < vec2.size(); jj++)
8 t9 q& G/ X  A                {
6 `. F4 x* K! m  Y0 t6 S/ }- p                        b2[jj] = vec2[jj];
2 H9 {. Q# y9 C9 Z0 }: b+ @                }

                //Method - 1  N=100000 247s  
" C6 J1 v/ K! D3 B                //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
  x9 l! {5 t0 Z2 G4 ^: k$ p: V                                
% n4 u9 g4 A. \% i0 ?1 `. q                //Method - 2  N=100000  237s
                /*
+ w; g5 _# s4 C4 R+ l0 d+ r: m                for (int jj = 0; jj < N ; jj++)
                {
9 Z2 [* o, S/ x  y/ y/ ~                        fresult += vec1[jj] * vec2[jj];
                }
; y# P+ }1 {& V6 x0 `7 A                */
0 ^. T9 M( D7 n                                
8 |+ H2 J$ J2 v                //Method - 3  N=100000 204s
                /*
                for (int jj = 0; jj < N; jj++)
                {
: c" O7 j) U1 M                        fresult += b1[jj] * b2[jj];
# k7 g* F  [* r7 I$ G2 ^. b: X: ^6 V                }
                */
% v6 v6 v! v3 G" `4 l  U" q
- }4 \) L. [2 q! h" O! b                //Method - 4   202s
, N; z1 W2 F! H/ @, _2 ]% ?% [# |                /*
. \: y" |3 c0 Z& F5 _0 w                for (int jj = 0; jj < N; jj++)
  \8 s$ a9 r9 D3 g) \# `0 |4 U/ r( ~2 K                {
                        
" ~( j& ^1 ^0 U- K0 }9 q                }
                */
                //comment out all methods, N=100000  202s               
: Y* i4 F( s/ m        }

0 A6 L% U" c) T7 ^8 O        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？
1 l& U/ X$ h5 q: ]
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？
( R" H) g4 A; W8 f3 C0 H

雷达

机器猫 发表于 2022-9-27 00:15
. d3 a, g# Y: o$ i: H. E5 ]# A3 ^% g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？

! |# G6 _" j) G. H5 E- V1 s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
- F. _' p# h: Z- [, N: C2 `
6 M: T  }3 s5 y3 O2 d0 C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
/ i5 o( h2 K( k! z9 \9 |( 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
- E, \, P1 P) X7 }; G* F! J- _1 ~
不和它 ...

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。
# A0 W8 S  R) C4 A4 d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
# O* K" |. |: K" ]void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
% T3 P7 i/ h( W+ i{
/ @: \) U$ @2 q8 U1 }! J3 @        comp temp, xtimesy;

8 `& g  {# T; j: ~  b7 y) k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？
1 X  f& }; a; O1 V7 cVS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。