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。
( P2 d( p+ R! k  }" W: G5 i
速度优化问题真的很有意思啊。

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？
2 I5 u+ m- B" ]+ _1 m$ A' y
. @+ {4 M; `# r* o* 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

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？

- [: h) L. V. E/ R# Q  {
% d( Y% p% q4 Vvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
        comp temp, xtimesy;
( Q6 |0 C" k, E) ?        xtimesy.re = 0;
        xtimesy.im = 0;
        int j0 = lenB - 1;
. I3 v8 V8 b: f( n4 L8 V        int    i, j, i1, reali;
+ P2 M  Y0 c# O7 ?# j        if (lenA % 2 == 1)
! A6 D  R7 ?3 A, |" J" w6 t5 P  D                reali = lenA + 1;
- q9 K8 o3 N2 f+ U$ i% t        else
                reali = lenA;
        reali /= 2;
2 V( f$ I% `- }- p3 i
        int nconv = reali + lenB;
        //#pragma omp parallel for
        for (i = reali; i < nconv; i++)
  @# C* }, Q; V3 ]        {
0 [7 d' e' v& h" ^' [# T% v$ x; [( e                temp.re = 0;
                temp.im = 0;
; H5 H6 a2 c0 M2 f- P# D2 |5 H                i1 = i;
* }1 X. O; o& \/ V7 p# c; x                for (j = j0; j >= 0; j--)
/ ?# N! [6 u* W7 t# p                {
                        /* floating date operation */
" N/ r$ q# L4 `5 E  x2 H) m                }
! P2 v3 M) ?6 o        }
}
& ]1 D8 H+ D3 t. ^# e1 @
! X, O/ d: F& W" T" p: [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
+ u8 z$ j3 Q; d% C: |, O
红色部分是内循环，现在其内部操作都comment out 了, j0大概是 6000。
1 ?3 S' @9 B0 o现在call xcorr 100次，耗时78s.
% f4 H6 R2 l! x3 q
如果把红色部分内循环本身完全comment out， call xcorr 1000次，耗时 <1s.

$ e) C* b  V" B# I

雷达

风雨无阻 发表于 2022-9-24 23:33
/ v% Y/ G% v9 UMaybe Debug mode?

, K8 Y! V+ K! e7 N9 l. k# d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

雷达 发表于 2022-9-24 23:54
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
4 j4 s4 P5 Z. F/ A" Q{
        comp temp, xtimesy;

" q( A$ |& f; V- G) C
' s; C" t3 J/ Y这个不是这么比的吧。。。
8 T8 Q# w1 E9 X2 X" ^
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）。
+ s1 P( i8 ~) s+ B4 t$ c; s) L( S
8 x% L( s  j" u: [' O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 {; w* L4 D2 e+ }

数值分析 发表于 2022-9-25 00:20
4 u1 R) F3 w( ]4 U这个不是这么比的吧。。。

3 O' E: n( C; {; C# F0 }. n; u# G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）。

) G  u# [( E, P) v6 f2 {0 s* Y
# d, i5 N) Z! a% `有道理。
) e" |, q3 c* q, B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" F& h- k7 B) E( C+ C8 d
' p1 a% K9 n: \. M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
, g) g4 ?8 |. G; v有道理。
/ N) y3 H6 l9 b3 d+ N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 ...

' \5 O# [1 o, A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
% f+ j5 t: c! {! S, y3 RWhy 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
2 _* ^# i% |: o- ?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

& e( ~+ C0 t4 x6 e9 _8 d* U; 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

; F" v: ?, s$ z5 q

沉宝 发表于 2022-9-25 01:48
7 e4 ^+ H- y& J8 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 ...

是的，兄台说的对。
/ c4 s, _( y5 f9 S7 {4 S, C( u8 q
7 Z) h2 \1 R# {* ^1 H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。

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。
# E" r8 l* X, d6 ?  @
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。
  ~/ s8 Y- u  q, v" B0 X  ~
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
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 ...

% _- u  Y- p: m& v6 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
7 G! }8 N% c) M+ {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。

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
6 _5 q9 D2 a# c! C7 d6 Y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 ...

" ?4 g$ d: j" @) B1 ^* w
2 _2 ]3 ]7 }9 f; J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？

6 G) V4 S# i2 F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.

4 q. U! n( q: ?. G2 X# F# A内循环试了4种方法，
  `4 l) T. i4 V6 s+ K: j" G; a1. 直接调用 vector inner_product 247s
# t2 a9 o& f& [1 E, e8 ?2. vector 循环点乘累加 237s
3. float * 循环点乘累加 204s
4. 空循环 100000 次 202s
/ Y1 B7 Q8 m+ l" i
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。
另外可以看到， float * 循环点乘累加 并不差，比用vector 还更快。
+ a8 n  {) I' o! j2 \# Z2 j
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）

, N# S/ C; n/ y, Y2 D' p

        std::vector < float > vec1(N);
        std::vector < float > vec2(N);
" C4 ]% O  E) ?; X% E6 P        float* b1 = new float[N];
* {2 i3 T6 M3 s/ ?& ?! m        float* b2 = new float[N];

        for (int j = 0; j < 6000; j++)
* S% {6 f! E  Q$ l        {
                std::generate(vec1.begin(), vec1.end(), []() {
# |) @! g$ u( M; b' n6 t+ h                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
                        });

. o' W% ?" [/ \, t4 X                std::generate(vec2.begin(), vec2.end(), []() {
                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
                        });

% M4 z- r; V3 Z' |                for (size_t jj = 0; jj < vec1.size(); jj++)
, q+ C6 m  f! A* v7 d                {
                        b1[jj] = vec1[jj];
/ }& s# [2 [9 Q# }+ f                }
$ o7 T; O( B3 j  T- x, B9 ^1 n% Y: P
7 \, v0 R  P' z2 w0 I7 {                for (size_t jj = 0; jj < vec2.size(); jj++)
                {
/ e3 z; W+ K* e' i; W! R                        b2[jj] = vec2[jj];
                }

                //Method - 1  N=100000 247s  
                //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
- E8 t! k1 e6 L4 z2 ~) D5 T7 P8 q4 o4 j                                
                //Method - 2  N=100000  237s
- [& D7 E" g& }- U+ v4 a                /*
                for (int jj = 0; jj < N ; jj++)
1 x& \0 O7 }! r0 e1 w' i" w                {
; i" R5 l4 ?& D* |0 ^& a1 t                        fresult += vec1[jj] * vec2[jj];
                }
( ]( r0 ]& D5 o- b                */
                                
                //Method - 3  N=100000 204s
                /*
% \4 \3 V( e# _4 |' i) w                for (int jj = 0; jj < N; jj++)
                {
                        fresult += b1[jj] * b2[jj];
                }
                */
, v& R5 K5 u0 K" a" ^' S
                //Method - 4   202s
                /*
                for (int jj = 0; jj < N; jj++)
                {
                        
" Q: c6 g$ m; r                }
                */
) Y/ }8 g& Y- F3 a6 e                //comment out all methods, N=100000  202s               
7 E7 Y" N4 C+ o8 t' O4 `+ C        }
) |% K0 ~) |& W
        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？
8 w7 T( P6 P& v9 b
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？
% D  x* N9 \; {+ |5 n

雷达

机器猫 发表于 2022-9-27 00:15
2 d* x, U9 o5 M" O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？
/ i* ?$ K( v5 J- ~
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

. ?- ]! y. x  U3 Z不和它 ...

$ D* q% w: v+ y. ?5 [6 r4 x3 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。
- q' V4 E) T# x9 x8 N9 T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)
. s# p/ W% V% F7 |  f- K' a3 Y{
- w' t7 \& D) d" O        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。
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？
  ^9 d+ K8 R4 N, L; \8 WVS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。