C++ 提速的新发现

雷达

C++ 比 Octave 慢好多，怎么破？

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。
5 s, N! f. y) U: d" X
$ V2 m4 c, X2 S: ^# ]% r. g5 f7 X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？

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？
; x3 u5 m/ e" r' ]4 w把代码贴上来看看？

void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
& q' u. e0 p& k{
        comp temp, xtimesy;
        xtimesy.re = 0;
        xtimesy.im = 0;
        int j0 = lenB - 1;
        int    i, j, i1, reali;
        if (lenA % 2 == 1)
4 n4 A6 \  U  R- F) D                reali = lenA + 1;
        else
                reali = lenA;
5 {& J9 s" Y# g/ i2 B  z* h! W' m        reali /= 2;

        int nconv = reali + lenB;
        //#pragma omp parallel for
8 @$ {/ V7 ~0 M7 P  e9 ~4 p        for (i = reali; i < nconv; i++)
' U  a! s: R- n' S        {
                temp.re = 0;
                temp.im = 0;
                i1 = i;
                for (j = j0; j >= 0; j--)
                {
                        /* floating date operation */
                }
        }
% W" Z" _# \8 y7 \}
# }& e7 \7 K7 D1 J& b
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% E: r3 d! ~6 d' U6 y
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.
- r( }% H1 m7 Z, r0 q6 H5 l
如果把红色部分内循环本身完全comment out， call xcorr 1000次，耗时 <1s.

$ G: _$ f& _' I' S9 b

雷达

风雨无阻 发表于 2022-9-24 23:33
Maybe Debug mode?

不应该，看我上面的回复。
9 `) ^/ D# p/ R2 Y
+ d# ]# ]* m& f4 T9 I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
+ J, _$ r3 u# A7 [void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
        comp temp, xtimesy;

# \4 t* b4 q3 l* m; a" N
$ I( M( @. W7 }) b3 v这个不是这么比的吧。。。
5 [$ K7 k. H$ @) P) C, O
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

. {/ t: D5 P6 g8 N$ D- y. Y

数值分析 发表于 2022-9-25 00:20
这个不是这么比的吧。。。
. ^3 ^% a' a1 O4 ~9 \  m7 l  [
7 X8 f& V+ i) `! O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）。

- v* H2 i8 M' P3 f: {+ T5 [. M
5 L4 Y6 `- T# e  R1 F% F) h有道理。
3 }4 V* w7 X4 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。
, s, ?. [# f) @
, n" Y, [4 X2 u. m: K: X( d/ Y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
! ~* k5 w1 q% v/ u1 N4 g& R6 M有道理。
  N) v% h' o- S# q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
, n! U5 i0 Z% m- ]& Y+ W这个不是这么比的吧。。。
% \% b2 k/ n: b. [5 w5 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）。

而加上内循环，光jmp和dec指令就至少多执行了6000个

" S0 E' n) Z% [7 A2 F- G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

9 p; |/ }2 }8 C( l5 x3 o1 d+ x- m0 [+ Z

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 ...

" G( F0 g; C) G# @2 r- }* U
是的，兄台说的对。

" S- Q# O- e4 j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 h3 w9 Q$ b  [) ]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。
# F5 R2 _$ d8 D* L) X  D
& G6 Y: x. s* {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。
  B0 ^, [+ H6 T1 [2 T8 s+ z
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
$ ?4 ?  S" i4 c% N' 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 ...

& k/ n- N* `+ \! ?! A
+ \' T" x+ Q% U6 i/ i1 c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。
( v; \+ r7 D7 }7 e# o! J
  ?8 {: y, u# j. E* \8 m: e1 y7 D, y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 ...

% J8 h  l- j6 V! {! Y, O: B/ r/ g时间差一倍的结果可以接受。
) W* b1 ]" s8 E9 Y* r: d
. u% R- n% }: h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
# K$ T: [7 I) 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 ...

' M; Q7 n2 Q" V! Y
  W- I) B: Q( P5 D' S: a' Y1 A* S能不能把这个也贴上来，看看和上一个有什么不同？

雷达

! G( G. p. Z1 s8 i; p4 T

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？

5 P1 h' j8 F2 c4 ^8 f9 }3 W5 g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
2 z0 D, h# ~( ]& o. F$ E( @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.

; h9 N7 O$ Z3 `! m5 M内循环试了4种方法，
1. 直接调用 vector inner_product 247s
# d: s6 v2 }# t; J% h, ?2. vector 循环点乘累加 237s
3. float * 循环点乘累加 204s
# y/ D+ o0 F2 C3 f4. 空循环 100000 次 202s
* t( [& u# E3 U0 {
不做内循环 200s
+ M) n; V9 r. j1 E
2 q6 R9 Z6 N, ?& d  }: Y7 U你昨天说的对，内循环本身占比是很小的，大头在其他处理。
3 ?8 i; z- I. f# ]% Z1 g另外可以看到， float * 循环点乘累加 并不差，比用vector 还更快。
! ~2 X9 M* L. e
' H: S7 q- `* g* h9 C- z7 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）
! ?0 r) F+ g8 V+ h" t) _) J
* W( X) a: d9 R% Y（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）

( D0 T( ~( N! I  b/ \

        std::vector < float > vec1(N);
        std::vector < float > vec2(N);
        float* b1 = new float[N];
) H; H! [  Z, b  x& S        float* b2 = new float[N];

* k2 i* Q; N% c' s        for (int j = 0; j < 6000; j++)
3 ~( @0 D' @+ j& B; _0 I# {        {
                std::generate(vec1.begin(), vec1.end(), []() {
  B1 D, r! g1 k' y2 x                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
                        });
, G- ?# P0 z2 Y
                std::generate(vec2.begin(), vec2.end(), []() {
                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
4 ?5 G& i0 P  \$ v                        });
) w% v/ z7 E- \3 X4 V) g! H
5 n7 P, b. z+ ~" F3 J9 w' G                for (size_t jj = 0; jj < vec1.size(); jj++)
                {
; h$ o1 h8 f) A! i1 H                        b1[jj] = vec1[jj];
5 i' s. {- Q4 X. l4 J5 B                }

; f) S. L9 T* M6 e0 Q, V7 X- i                for (size_t jj = 0; jj < vec2.size(); jj++)
. S( }" @" f8 Q) R( p# e$ U  m                {
7 {) s9 ]& e1 R& H                        b2[jj] = vec2[jj];
. V7 x, c0 x. H3 I' M                }
4 W! m0 ^5 q& d
; ?# B8 i% A- }3 i, K5 Z                //Method - 1  N=100000 247s  
2 Q- M& G; r% E5 O" C- ~$ M                //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
7 \& [. G& \: I/ \- B% k! m                                
0 C0 e9 r, C" U+ R                //Method - 2  N=100000  237s
3 W! W( ~+ ]4 K1 x4 r5 S" [                /*
! W% B1 `* a, e: g/ q5 v                for (int jj = 0; jj < N ; jj++)
' m' r. e  i2 Z9 Q& S/ e                {
, V; W9 O! p4 @& I$ O& k                        fresult += vec1[jj] * vec2[jj];
                }
% `) D9 V& h7 `+ e% P) v  C                */
, D: M& e" ~  c8 \  N7 e0 {3 `4 C3 ^                                
. \+ P) f9 i2 R7 {0 B$ Z                //Method - 3  N=100000 204s
                /*
                for (int jj = 0; jj < N; jj++)
* ~! E! @  L7 V' s' s                {
                        fresult += b1[jj] * b2[jj];
                }
8 j0 \; s; Q( Y4 G" ^, c9 h! i                */

                //Method - 4   202s
" |# _! w7 [) n                /*
) m1 q. ~1 d. F' ~# X/ H" s# w                for (int jj = 0; jj < N; jj++)
                {
! Y0 L" Q8 P4 L% a7 C                        
                }
: ]  r% B+ b& k8 F6 _& O                */
                //comment out all methods, N=100000  202s               
9 J) c9 v) B. ]        }

9 B, P2 R- U, P/ S' X' N        delete []b1;
        delete []b2;

% O" I0 T9 B) V

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？

$ S( ~; ^* @* |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 p( a, w2 Y4 Q& v9 x/ i9 Y. M

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？

你第二个试验里面的j在循环里面又重新定义 ...

& R" }. Q( C8 _- |$ r% Z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
% U* I! }7 \- m, i. j$ K( ~
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

7 _& L  [  Y% S0 c3 \: U不和它 ...

" Z2 P9 e5 H) n" w) X
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)
* x0 Q  w4 u: G8 `) e{
        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。
" z2 x3 J  R& R3 j& N; s& 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？
# @5 n% V' {2 o# Z! m0 c1 qVS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。