C++ 提速的新发现

雷达

C++ 比 Octave 慢好多，怎么破？

0 s1 u6 e# Z/ ?2 t# l5 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。
( o+ L9 l8 t/ n- e8 R7 B
速度优化问题真的很有意思啊。
4 z4 D4 o6 I2 k7 v/ d
+ Q  J& r0 W, m- Y欢迎大家继续讨论

数值分析

拉下来？拉多少？
" m, @+ p# p- y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
拉下来？拉多少？
把代码贴上来看看？

! @  R3 Y" T5 d. ]8 J
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
        comp temp, xtimesy;
        xtimesy.re = 0;
        xtimesy.im = 0;
        int j0 = lenB - 1;
        int    i, j, i1, reali;
        if (lenA % 2 == 1)
                reali = lenA + 1;
        else
) U+ ^! b+ @: d) j( V% H& t                reali = lenA;
; Z1 l; x) ~4 d/ Z+ F: e3 K        reali /= 2;
3 x! \8 D2 Z: z8 T, b8 g9 B
        int nconv = reali + lenB;
        //#pragma omp parallel for
        for (i = reali; i < nconv; i++)
        {
  k6 K5 f2 l% H' Y  E1 \                temp.re = 0;
                temp.im = 0;
                i1 = i;
! W6 }+ q1 n" A: W                for (j = j0; j >= 0; j--)
5 V6 }" P, ^& d  i, B: I) q                {
& Q* U4 I/ [, i  k# Z" |9 \, M# E                        /* floating date operation */
                }
; K+ Y- F' X2 s! o" C5 m+ k        }
, D. r+ k7 m- c. h$ t( c' p}
  s8 _( b3 L& h1 Y6 o' G( c
6 N2 k) h# T" \# Txcorr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

' F6 M% U4 i9 y# D/ D& h红色部分是内循环，现在其内部操作都comment out 了, j0大概是 6000。
) L6 L# B7 Y" T/ _" s1 D现在call xcorr 100次，耗时78s.
7 q- }0 w* p+ n" S( C4 [
如果把红色部分内循环本身完全comment out， call xcorr 1000次，耗时 <1s.
( u& G8 n* T  B
9 J- F8 y3 j7 p# r

雷达

风雨无阻 发表于 2022-9-24 23:33
% q6 v; P/ h7 k7 dMaybe Debug mode?

不应该，看我上面的回复。

$ J. Q- L4 L; \! |% [我更怀疑是 VS 社区版的问题

数值分析

. I  _" s8 m+ O2 R, Y  ?5 G

雷达 发表于 2022-9-24 23:54
0 D( Q& U! w* _* Dvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
9 `9 d0 I, Y2 |- i+ f, O7 f  Q; N        comp temp, xtimesy;

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）。

8 O4 g$ A( @4 {4 j1 ]. @8 P! b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。。。
. m! z# b' Q9 R' i4 x/ v
8 ~1 v/ m0 y' K: A) K+ O0 W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。
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。

& B! ^, Q. C% Q. d6 b% R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
6 ~% f7 ~6 T6 v2 ^8 A( A8 d0 Q有道理。
  k: E7 }* D# s' _* H$ F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
1 i% }5 x% x4 E: \! z) H3 [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。。。

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

6 P+ ~' ~6 X# A
% G* ?" A5 o$ A9 h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 ...

+ i' x+ `7 |) [* ^* R# g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。
; m* C: s8 X* g  K2 Y  Q+ Q
; e9 E0 i. t8 w" g$ I$ A4 b  H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。

3 ]' v% @! O) V: c9 i7 u! A+ G( U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

/ K: O2 N; b/ z4 w; ^8 A

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 ...

9 e3 f8 a) e2 S4 ~! x
1 B% d/ L  X* G" g, I, I# F" H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。
4 S. m$ J- H, K* L( j
2 ?5 B# a' j% y& s我已经完全懵了。

沉宝

雷达 发表于 2022-9-25 04:47
/ i% _( l  K0 f0 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 ...

时间差一倍的结果可以接受。
8 J8 w7 c7 @+ H
你还是用profile工具看看吧。现在大家都主观瞎猜。

数值分析

9 w! V: c+ ?1 I% n; R- 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 ...

) z# Y" ~) A. A, x' S7 o
, l8 S! g4 P6 q2 E0 b, O: ?8 V

  K  b) @4 h0 ^$ U# O能不能把这个也贴上来，看看和上一个有什么不同？

雷达

8 R$ ^* E1 h  o& a, \  d

数值分析 发表于 2022-9-25 14:58
3 T! Y8 a1 k+ g7 ]能不能把这个也贴上来，看看和上一个有什么不同？

' m4 W$ c6 N; p) K  |7 _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
( O: J. L3 Q( Q! W& a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 h3 t3 g6 a! a& B$ _3 X9 B
  w' H  f+ I" q内循环试了4种方法，
( x+ [: M% _8 f& B- f/ h1. 直接调用 vector inner_product 247s
2. vector 循环点乘累加 237s
# H9 F. X  C1 }' ?& v; P3. float * 循环点乘累加 204s
2 \* @# f/ i7 ], F& z0 z0 v) l  z- o2 w4. 空循环 100000 次 202s
4 n% H/ t0 R3 i) y
8 l$ P6 z6 _! y! j, s不做内循环 200s
1 D4 ~- Q* ]' ~# g8 D; n
你昨天说的对，内循环本身占比是很小的，大头在其他处理。
- D8 t" ^2 K; o7 j# a另外可以看到， float * 循环点乘累加 并不差，比用vector 还更快。
) \( N( y4 @) I* ]5 E$ K
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）
4 B# m1 |. @- U# U# n8 s7 C
（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）

' g# N. K6 b; W# H, ]* a* e

        std::vector < float > vec1(N);
        std::vector < float > vec2(N);
4 Q* X( h* O/ _2 _2 ]2 U' x* K4 i# z        float* b1 = new float[N];
        float* b2 = new float[N];
3 _' c6 J4 B4 k$ ~
        for (int j = 0; j < 6000; j++)
8 V) I, ?, u6 X. `$ \        {
                std::generate(vec1.begin(), vec1.end(), []() {
4 G9 [4 e/ a; U: m8 \                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
                        });

                std::generate(vec2.begin(), vec2.end(), []() {
$ m3 c; @; `! w; v* T0 \! j                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
                        });
8 y  T- U% y; Z! M6 [, P! a9 Z
( _$ I0 K# T5 u) D1 T2 Z' q                for (size_t jj = 0; jj < vec1.size(); jj++)
+ d% o; T1 E/ V                {
                        b1[jj] = vec1[jj];
                }

- H" `8 s$ s1 {; t2 _8 ?                for (size_t jj = 0; jj < vec2.size(); jj++)
0 ^5 ?$ ?6 F  T3 s  M; b% i+ [                {
9 u) N, P* p3 @% W6 |                        b2[jj] = vec2[jj];
1 R5 X) b, B1 ^; n9 d4 R) k% {" ]                }
) Q1 e. e* b8 }  Z9 u: x4 |
# }+ t* {6 O/ v% F  H$ P% P                //Method - 1  N=100000 247s  
9 @0 M- |; T; C( s, S                //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
" p: N- Z% ~7 v0 X1 f                                
& ~- z" R( @; N0 F7 I1 U                //Method - 2  N=100000  237s
                /*
" R( M* \% Y. Z/ Y# c6 C$ t. W) o, w                for (int jj = 0; jj < N ; jj++)
, E( @0 ~7 H: n6 v/ X5 l( c                {
  \4 |  @' f: E- B& _                        fresult += vec1[jj] * vec2[jj];
) l( }' W/ V9 {: M                }
5 S5 e& o3 ]! S" A0 N                */
! Z+ c- c8 ~% i+ c0 W. l$ o                                
                //Method - 3  N=100000 204s
                /*
                for (int jj = 0; jj < N; jj++)
+ {3 g3 `+ b" j* ^  j2 R) }                {
& s! X' H, D/ \7 w                        fresult += b1[jj] * b2[jj];
6 F8 [7 j4 Y1 ~/ B! o1 G5 _; V. ]                }
3 d+ t8 N3 o- P6 e' z* P4 z& S                */

3 @1 S6 j) e: q/ c0 b0 O                //Method - 4   202s
0 ?1 k) Q2 |6 {8 z                /*
                for (int jj = 0; jj < N; jj++)
                {
6 E8 K- f) J: K                        
# X7 i7 ]) H4 b& |" \: [: G                }
                */
                //comment out all methods, N=100000  202s               
        }

& V; v! X8 M4 ?, r- Z/ E        delete []b1;
' z2 {6 K0 Q! w0 P$ P        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？

* E' ~! t' o1 f; v  J) g; @1 ?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？
9 m; p2 h/ b7 T1 R

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？
- ?0 p" b  H8 ^% K
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

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
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

+ ?+ R7 a; H' y* u不和它 ...

. z" o) r' k* h* S1 U
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。
% l: H# _% N& Z  d% P1 Z7 @- q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)
{
6 r4 N  S7 b. C* s0 _+ s5 ~# x        comp temp, xtimesy;

' w1 e8 Z' Q6 ?8 K9 T+ I. b- X( t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。
4 D0 T7 n  m9 G  F$ f6 l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。