C++ 提速的新发现

雷达

C++ 比 Octave 慢好多，怎么破？
: K, K$ n8 _8 B, i& t2 w, P
/ k3 s+ h$ u2 D  N1 J% s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。

- }: M8 L& `( _2 [8 E欢迎大家继续讨论

数值分析

拉下来？拉多少？
+ U8 L/ d0 M& T  T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

数值分析 发表于 2022-9-24 23:04
" C. T0 n* t+ \* d7 G$ s4 f4 S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)
/ j5 s! f( ]3 Y  W  ?3 ]{
, K1 |  N) w) r+ T; P9 s$ H( b        comp temp, xtimesy;
        xtimesy.re = 0;
        xtimesy.im = 0;
! v  X  _. i7 e        int j0 = lenB - 1;
/ H% x+ n6 m" V" Q7 r        int    i, j, i1, reali;
        if (lenA % 2 == 1)
                reali = lenA + 1;
3 p# U. O% L# v, C) ]" [1 ]2 d) t        else
2 V+ E8 e* d; _, }7 t  {0 T7 I% |                reali = lenA;
        reali /= 2;

        int nconv = reali + lenB;
4 Z4 y4 h! W* |6 H( \! X: e! U6 F        //#pragma omp parallel for
) ~: @5 r, ?- s- `6 Z        for (i = reali; i < nconv; i++)
        {
7 t6 ]7 D# {5 Q7 b: E  f                temp.re = 0;
/ L1 g$ O0 u( r1 s0 r" |5 v                temp.im = 0;
4 n5 t9 K' ]& X/ j  p, T                i1 = i;
                for (j = j0; j >= 0; j--)
# [) j7 v' J1 o  `/ W1 L                {
* ?0 V2 k5 p0 N- `$ h                        /* floating date operation */
                }
        }
2 x! O: n$ o4 C% K: Z}

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

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.
7 L, }& v, P4 o7 C4 f1 d! \
如果把红色部分内循环本身完全comment out， call xcorr 1000次，耗时 <1s.
" _5 ]5 y- S9 n7 }

雷达

风雨无阻 发表于 2022-9-24 23:33
0 `6 C: w) P8 i* A3 IMaybe Debug mode?

不应该，看我上面的回复。
4 U# n5 ^9 e$ t+ n' i
, ^& S# ]7 f% r  |+ I5 x  X我更怀疑是 VS 社区版的问题

数值分析

0 ?- q/ h  J% G! _9 Q1 ?

雷达 发表于 2022-9-24 23:54
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
' M8 y+ \( D& u! J2 g) N6 |{
, a) i" I! I$ X+ k9 F0 J$ V! c        comp temp, xtimesy;

2 r& l% U- ^7 y2 T) i# Z2 ?
0 X( S/ _( }8 u' }/ R, c+ ?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）。
! y* z$ |5 U) j' }' Q* w7 T
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

8 d+ H" H! w3 M' w; o8 N( X  ^5 R. V

数值分析 发表于 2022-9-25 00:20
这个不是这么比的吧。。。
7 T6 e8 L# ]/ Y. i
3 Q7 a9 v& j$ ~& @. T8 K$ j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）。

' f4 @* n7 `* S- B7 ]. G6 ^7 y# Y( z
有道理。
- l1 u7 Y% l+ I: 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，记得 numeric 库里有算向量内积的，我回头试试。
2 Y. \+ P& p, ~# I
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 ...

1 F# v. m  @& f( ]3 N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
9 J' l; V& o: p, l- TWhy 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
( k3 D, e9 f, Q( M; F) m/ C这个不是这么比的吧。。。
( y) \' |; |/ U+ c: h# I5 E! _
% `; M$ ~# n: \, }2 O0 Z! M" w9 x$ m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

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 ...

- G5 {) f0 A" }3 v8 e2 q4 m9 F6 P5 R
2 X/ s7 Q# `2 h是的，兄台说的对。
0 E0 p' U0 U1 C+ J( S: V  K6 O. ~, x- i
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。

/ y, X0 n* z5 K, D3 P$ h/ E$ G8 w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。

$ Y! Q8 W5 a. A2 Q% X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。
- Q- J. M% t1 S" i
! N0 Q! ?5 t/ d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 s; d; ]8 Y7 a+ I

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 ...

/ }- S# V  ~& j$ \
) J9 t6 x9 u1 X4 \. a" A* b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
) I2 S( r9 M% A0 }! P3 v0 N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。
  u4 E) o* `2 x0 p: c8 |
" B; B. p. @/ d5 E  Y& S0 k你还是用profile工具看看吧。现在大家都主观瞎猜。

数值分析

4 {; X: {+ d- u7 \

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 ...

2 d0 y7 p1 @- J; i6 ^: p6 q8 \
  u9 ~8 O$ `3 V$ O7 t
7 b  s' G# i& o% n  X3 V
' U) l- H- Z! s/ s; T  F. q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？

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.
  J0 w' G* A7 i) i; u0 S$ i
内循环试了4种方法，
  K* @) R6 q7 w% K6 Z1. 直接调用 vector inner_product 247s
/ D; \* q# q; q! j+ U2. vector 循环点乘累加 237s
0 d* I0 G# {/ x& j4 T# [3. float * 循环点乘累加 204s
4. 空循环 100000 次 202s

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。
+ R7 e1 Z2 a7 Z7 H) w1 ]另外可以看到， float * 循环点乘累加 并不差，比用vector 还更快。

8 U6 F1 x2 F) l, \- B1 t% z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）

+ Q1 a: R1 c  r0 f9 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）
! s& h' m# d0 s
0 T2 Z$ I- [: y* H: x5 c

        std::vector < float > vec1(N);
# f+ c2 b) P+ m/ t& W5 T        std::vector < float > vec2(N);
" T" s( R- q4 I        float* b1 = new float[N];
* D7 c: z3 F" i5 g# e( O6 f# I- K        float* b2 = new float[N];
, k5 j3 b. V  f9 n
6 t* u9 d; E" s, k; o9 p        for (int j = 0; j < 6000; j++)
        {
                std::generate(vec1.begin(), vec1.end(), []() {
& w* p4 q5 `8 k                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
+ y  j  q" S' n; `2 F$ i& q                        });

                std::generate(vec2.begin(), vec2.end(), []() {
! s$ O# d, J" _! q, a) C9 F# {# s. M                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
& C4 L9 q8 K* r9 ?4 W$ D. Z                        });
0 v8 Y6 e( V- b6 b, u9 o( x/ ], I
* u  R% D- u' w                for (size_t jj = 0; jj < vec1.size(); jj++)
9 o* s+ a$ S0 q! I6 s5 f                {
( P: k3 s! o, |  u7 q' w% k                        b1[jj] = vec1[jj];
                }

                for (size_t jj = 0; jj < vec2.size(); jj++)
& @8 b5 N0 c) L  }6 n                {
2 L9 a2 `+ j2 Y9 c$ k4 [) R; D                        b2[jj] = vec2[jj];
                }

" z+ Y3 v; J, H5 @! E, h                //Method - 1  N=100000 247s  
                //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
( a5 m' ^1 q  y7 {3 E8 [2 s! j: W4 i                                
, m3 Z- q4 |% o4 i                //Method - 2  N=100000  237s
                /*
                for (int jj = 0; jj < N ; jj++)
                {
                        fresult += vec1[jj] * vec2[jj];
                }
                */
  L0 ?" K0 p* `( v2 N/ t                                
& A' D; g  S% Q0 r& ]: ^4 A  s                //Method - 3  N=100000 204s
. T$ X; ?3 `- Z2 L3 e' o& I9 [, H                /*
                for (int jj = 0; jj < N; jj++)
4 F, C! F( D" C7 c3 f' b1 X                {
6 L9 x9 Q4 g3 V. \8 J: G                        fresult += b1[jj] * b2[jj];
# w0 j- f" @0 ~, F1 l+ a, M4 Q                }
, d- @" Z: @% G! Q. c                */
* _/ S1 v5 H9 g: K! l& S
/ _: E( Q1 u2 ]9 N: d                //Method - 4   202s
                /*
8 x) [* N8 T: h( M8 a& M+ q                for (int jj = 0; jj < N; jj++)
) k; _8 b' Y( I9 g                {
/ ~) O' p0 s1 J, `; ~                        
                }
                */
                //comment out all methods, N=100000  202s               
( `/ Q( \/ W/ S' K        }

        delete []b1;
        delete []b2;

; b8 Q4 z9 f  K- p

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？

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？

$ ?1 P9 t2 b* g- x+ C0 o你第二个试验里面的j在循环里面又重新定义 ...

* E4 v! V5 V7 _) l+ j* c7 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

0 ]* R+ Q! m; K/ S: U# ]5 C' ]! 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
& r5 c) a: Y# s+ Q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, y# {- W+ ~. ^' c( |
不和它 ...

; ^" ~) O0 K  u
, B1 n" Y/ V: |4 x; m8 U: 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。
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
" P! w* M/ j) {; G( d- Bvoid 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。
0 P7 C; ~- G1 o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。