C++ 提速的新发现

雷达

C++ 比 Octave 慢好多，怎么破？

9 [* K7 x$ A7 g4 U7 s6 |( X- {- w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。
4 e( d( p* p# v: g
. W9 Y" P1 p' s6 Q' v速度优化问题真的很有意思啊。
% o, |) S6 ^, C  k$ ?
欢迎大家继续讨论

数值分析

拉下来？拉多少？
& \7 K  r; w4 I( s* n$ q把代码贴上来看看？

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

& l8 }8 v: a% n6 d! N7 p5 b

数值分析 发表于 2022-9-24 23:04
' L1 s  B: _$ X0 F  b) b5 d5 G+ L拉下来？拉多少？
把代码贴上来看看？

void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
1 V2 _% N  e: a" D6 t7 o' }  Q( q. I4 l        comp temp, xtimesy;
        xtimesy.re = 0;
* T7 v0 D6 d/ i1 f. N, V        xtimesy.im = 0;
# h# M  e2 T$ d( K5 }        int j0 = lenB - 1;
2 D% h/ S. Q# D( H        int    i, j, i1, reali;
        if (lenA % 2 == 1)
5 R# a5 x( k  m9 k& b+ f' |                reali = lenA + 1;
* L0 N0 e: a  D% f9 ~        else
9 O' J( \3 _7 O6 f                reali = lenA;
        reali /= 2;

; _4 o! t8 `2 y3 ]        int nconv = reali + lenB;
        //#pragma omp parallel for
  p/ D$ H  }5 Z        for (i = reali; i < nconv; i++)
/ d7 V. x8 D1 t+ M        {
                temp.re = 0;
, ]) `( T+ E" [  N                temp.im = 0;
                i1 = i;
; Z! a6 t5 |9 U! a6 C" T( \                for (j = j0; j >= 0; j--)
                {
                        /* floating date operation */
1 _# P' f" Y2 Q! L/ l                }
        }
}

( N) i' X( b3 B+ a# P- ~1 ]6 hxcorr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。
, }7 N. i4 j0 J' c8 t: T1 |; Z现在call xcorr 100次，耗时78s.

- `# G' R) s* r/ \- A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
2 w+ F$ g- D( n# p! r9 nMaybe Debug mode?

1 V4 t, j5 v4 v$ Q3 Z
1 W& M/ C$ Q. j- R4 P6 x+ b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

0 r/ T% ?. M2 K; _% T. ~

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;

! m1 H" i$ b$ S; k" G  d
这个不是这么比的吧。。。
/ b5 f3 ^! E' F# ^: u# c/ c
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）。
+ r, g0 x4 I# K6 V2 [7 t
, ?# L3 w" s$ }4 b4 y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

9 n( v& S" {7 d+ Y' k: x8 O

数值分析 发表于 2022-9-25 00:20
0 m: l. i, F% o; O! L/ ]这个不是这么比的吧。。。
6 H9 L+ B* t0 X9 v% \9 |
, z0 I+ W1 S3 V& x3 c% [+ I% E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）。

' ^9 r' [* R; Z$ c" {" p1 Z5 U8 j. P
, e/ i  N% e9 c& h/ P& m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。

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
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
/ R# v# X9 y# V* g& R( L5 I3 q这个不是这么比的吧。。。
0 N. g( L6 z+ ?2 b" Q+ G6 C
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

2 ?; G$ t; N8 H& m  S

沉宝 发表于 2022-9-25 01:48
" v0 o2 u# P7 a- @% ^, ~1 P# K) g% P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, K& G/ _8 s
. @- r5 _! ?% r; o6 `是的，兄台说的对。
! }, t0 [; C  T. U+ `8 t
+ M  z9 |+ b. y& t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。
4 _4 O, m$ A" s# C: ?' [
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。
& ^( h" e2 f( q/ k9 t1 s) H
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 p. d6 c& o3 k$ y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
% _2 a7 H9 ~; n0 `& ~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 ...

6 K  Q- I: y! ]. ]/ Q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。

我已经完全懵了。

沉宝

雷达 发表于 2022-9-25 04:47
" H7 n- q5 U- g. V. a% k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 ...

  c6 M8 _9 P2 s$ K7 M* G时间差一倍的结果可以接受。
8 F9 x7 \0 j  F' n4 `3 w5 B2 L
1 {8 L: E$ @* |+ ]3 L% P你还是用profile工具看看吧。现在大家都主观瞎猜。

数值分析

8 q0 m4 F# o/ @8 `/ w/ ]

雷达 发表于 2022-9-25 04:47
1 i7 T9 E" W  A3 j- w' g# L# a( 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 ...

$ {0 R+ E) ^5 P


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
% i: l  {0 c: y1 D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
6 T+ J: h) ]. A  Z. h- 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.
9 P3 o0 v" f' r/ v
内循环试了4种方法，
: O% E# J4 W7 R5 `; _1 b3 e  b6 h& V# i1. 直接调用 vector inner_product 247s
$ w  e! [; ?( n2. vector 循环点乘累加 237s
3. float * 循环点乘累加 204s
4. 空循环 100000 次 202s

/ d0 _; F; p1 g4 u不做内循环 200s
% H4 {7 E/ S" c# r, d. W
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。
9 F, W" \6 d+ M. g
4 N% n$ b2 f5 |2 [- \- d0 Z' M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）
$ w2 S; S3 Z5 z1 w; k
, Y6 v+ c: E8 ]  h% @

        std::vector < float > vec1(N);
        std::vector < float > vec2(N);
- |# \7 q, E3 s        float* b1 = new float[N];
3 }3 F4 {, f5 A1 T        float* b2 = new float[N];
1 x- t" F! C$ X$ g
6 K6 S3 h/ [( E  Z9 O6 }0 |        for (int j = 0; j < 6000; j++)
" l$ K" M5 E/ w6 }, A        {
6 v) |% F$ I% G# n' x" T; s                std::generate(vec1.begin(), vec1.end(), []() {
                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
! {% D/ {- w  c- _3 ]' k                        });

1 w' r$ G. M" y% T% E, O2 _                std::generate(vec2.begin(), vec2.end(), []() {
                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
5 w8 X6 A" K: l5 h8 d                        });

- M' f2 Y+ D. H6 Q: c  }                for (size_t jj = 0; jj < vec1.size(); jj++)
                {
                        b1[jj] = vec1[jj];
; E0 S4 m" {% f                }

* f0 \) y4 p: ]" i) T# t% H                for (size_t jj = 0; jj < vec2.size(); jj++)
/ G* I1 T& g+ `9 E                {
                        b2[jj] = vec2[jj];
  W( V+ Z  z1 m3 d. U                }

) c0 A3 Q3 A' a1 r/ F. n) f2 C                //Method - 1  N=100000 247s  
                //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
                                
                //Method - 2  N=100000  237s
                /*
                for (int jj = 0; jj < N ; jj++)
8 g0 s2 g6 ~- N, O& R. P& {                {
                        fresult += vec1[jj] * vec2[jj];
                }
                */
9 ^( K, j5 P7 b6 W) ^                                
, |; y3 w0 z* L0 U. E$ J; ?                //Method - 3  N=100000 204s
$ ]: }- d, G. ~. Z. ~. Q1 e; M                /*
                for (int jj = 0; jj < N; jj++)
' q9 e! n' G/ o) I                {
3 D0 K2 Y/ V9 \* B/ s                        fresult += b1[jj] * b2[jj];
3 h" A9 w& h6 x4 b' d- F                }
  D: X, ~" t1 G9 b+ C2 i                */

                //Method - 4   202s
' K1 k: X" u7 |9 o( f2 u1 a                /*
                for (int jj = 0; jj < N; jj++)
                {
                        
                }
                */
                //comment out all methods, N=100000  202s               
        }
9 m2 p& j+ i$ T) H7 D
7 Y1 o" x0 t5 ~; q  {! j& 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？

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？
! {' e5 ?' }. _+ Y" e1 |' x3 {

雷达

机器猫 发表于 2022-9-27 00:15
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？
2 l9 W# \' e) M0 r( v9 `& Q
你第二个试验里面的j在循环里面又重新定义 ...

$ V3 ^# O- l: x" E  |7 p0 H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
' L: }+ A0 Y- V! Y9 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
: \( K9 U5 J' d% N$ H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

% P& s) Q4 ^1 F. m% t. C不和它 ...

; g$ v3 T; m% H0 C8 i  H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)
{
# R4 K8 i2 f, o4 U! x        comp temp, xtimesy;

* H3 Z/ m$ R$ s1 V& }6 [1 ^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。