C++ 提速的新发现

雷达

C++ 比 Octave 慢好多，怎么破？
8 B& F! D' w4 g# ]; n- v
  z, e3 I; w- |& W5 t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。

. d0 w  D/ |2 A% u$ P速度优化问题真的很有意思啊。
# C" Y3 i4 @0 l2 m, t
4 C2 V7 q1 A, {$ }: R欢迎大家继续讨论

数值分析

拉下来？拉多少？
2 D" m9 Z: R0 u* x2 w! H把代码贴上来看看？
7 i. S, y, f' A! K, }1 x7 u8 C
: g% b, s; l$ Q2 P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
& ]! G' X- P/ @9 |: x- J拉下来？拉多少？
把代码贴上来看看？

7 `. h; s& v* V) lvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
5 ^7 B# u5 p) S! n1 a{
        comp temp, xtimesy;
        xtimesy.re = 0;
        xtimesy.im = 0;
" t$ e6 {! k9 ^        int j0 = lenB - 1;
        int    i, j, i1, reali;
: |: r- N. L& Q        if (lenA % 2 == 1)
                reali = lenA + 1;
3 N7 p2 I6 P; Z9 a        else
                reali = lenA;
        reali /= 2;
& l0 n9 p/ m( [+ j9 ~. Y
6 L. \, |1 H1 ~: q        int nconv = reali + lenB;
) P/ n# I! V( n2 T) x- |9 x        //#pragma omp parallel for
+ `3 N8 {4 a; t' l4 A; b6 `+ v1 [        for (i = reali; i < nconv; i++)
        {
                temp.re = 0;
  J( F9 ?* u. U( D' Y7 F) e5 k) X9 s                temp.im = 0;
                i1 = i;
                for (j = j0; j >= 0; j--)
: b- S% j" |8 o/ V: E; C- f                {
2 G! b+ n4 `3 V, D* z6 d                        /* floating date operation */
2 ~1 [: m; p6 f' s                }
' _+ U. e, J# R2 i; I8 ^        }
}
6 C: j5 s' Z1 Z8 s, E# o+ m
" q% j* N: i/ {5 C5 V* W; L6 f2 pxcorr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
/ z8 b& m) ?. E/ l) [# c" }: F/ i
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.
2 ?- B4 y3 t/ L3 N4 Z. k2 J2 G
如果把红色部分内循环本身完全comment out， call xcorr 1000次，耗时 <1s.

. a# x! ~; @  i

雷达

风雨无阻 发表于 2022-9-24 23:33
' E2 f# E. W5 s$ z1 n4 AMaybe Debug mode?

不应该，看我上面的回复。
5 |7 s- L3 M, F3 K
$ D9 X; ~: M  `4 r; I: P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)
{
* Q: W4 z$ G9 J5 H: l$ f        comp temp, xtimesy;

% M4 p" [4 K; j8 |# d0 |这个不是这么比的吧。。。
; `/ r( a, o$ ~
' s2 c( v+ l6 j1 X' _% 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）。

; z2 ~! I9 c1 k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

$ r6 P! y. d& Y2 W

数值分析 发表于 2022-9-25 00:20
这个不是这么比的吧。。。

# ]- w3 x- H) _) `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& @, M5 N( R7 \
有道理。
' g' A) [+ U( j# s2 N. T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 ...

" R1 H+ o) k2 B' s4 P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
这个不是这么比的吧。。。
1 o! O- U+ s9 B, q) z, ?$ k
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

3 \: n) t& T' [  @1 W* w

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 ...

是的，兄台说的对。
9 U7 H9 J2 X0 n# 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。
3 Z9 l6 {% u% m+ _
6 f$ [: V% q* B/ X. z2 B8 k) S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。
5 h, Y: r1 N$ Q4 k9 ~1 y' u
7 f9 n# F- ^6 \; Z3 C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。
: ]! k7 i" {3 y* x8 d  {6 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

) L2 K4 n' J2 v. V

沉宝 发表于 2022-9-25 01:27
2 R- }1 |" \- p9 j- P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 ...

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。
" }* P9 P* W0 X. r% _$ m  Z, r
9 t( a! y9 q9 l' g4 [" f5 @& u: F我已经完全懵了。

沉宝

雷达 发表于 2022-9-25 04:47
* x" T9 q- H8 L7 F; t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 ...

: `  ^% L, l* m* ^9 F+ W时间差一倍的结果可以接受。
8 U, d* ]; A( U- U/ s9 j9 d  i
5 _. }' [" _3 k. k4 B, w你还是用profile工具看看吧。现在大家都主观瞎猜。

数值分析

- l; X+ e! G' \0 w* _8 w* N. ]

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 ...

0 o+ G2 }& e3 ~1 U& i. {
/ S$ L0 j; c/ j# u( G1 O- ]1 _9 E
. m+ G$ W' O/ S9 n
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？

% c2 @" z1 @" j! 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.
0 [- E0 s& Q- O3 ?
5 o& e0 N2 D- b% O2 u. B4 N! ?内循环试了4种方法，
1. 直接调用 vector inner_product 247s
( s* ^! S% X- z3 |3 I! k4 S& M8 k; y; w; w2. vector 循环点乘累加 237s
: @  n! {8 z% T" I  Z) T3. float * 循环点乘累加 204s
' m; p* ^" |4 f9 P, i) {/ L4 t# w4. 空循环 100000 次 202s
; p0 N: b7 F/ k5 G' a6 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。

. ^' S& c* e) E5 ?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）
% ^3 }  Z; N# J4 a( q1 w
（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）

* ^% h2 y4 i0 B

        std::vector < float > vec1(N);
        std::vector < float > vec2(N);
        float* b1 = new float[N];
5 o4 x/ c. l3 x  |8 L0 v8 N        float* b2 = new float[N];

        for (int j = 0; j < 6000; j++)
* X4 ~8 _, c: X! M3 ^        {
" C% W+ _* Y$ S- R# r                std::generate(vec1.begin(), vec1.end(), []() {
  k3 N* M+ {2 @5 o1 r: w                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
! Y* T8 b' ^, d! T8 @; h                        });
$ W# R- `( `) l0 v( ~% }
! f5 |7 B4 k% \                std::generate(vec2.begin(), vec2.end(), []() {
                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
# F. m  z! Z8 _1 b: E                        });
# p) ]9 {% t  B" H1 a5 T' K( ]
                for (size_t jj = 0; jj < vec1.size(); jj++)
                {
                        b1[jj] = vec1[jj];
4 W7 a8 m: J. j0 I                }

- t- R# H- n# K                for (size_t jj = 0; jj < vec2.size(); jj++)
                {
                        b2[jj] = vec2[jj];
                }
1 W& s: o" }, i0 {" ^6 R
1 J. W5 i5 s" p. z2 p0 |% l                //Method - 1  N=100000 247s  
; I, v* p. |' \% r% B                //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
                                
                //Method - 2  N=100000  237s
/ O# N, V' U. I! m" h, P                /*
                for (int jj = 0; jj < N ; jj++)
6 h/ P7 ]' s: u' f) x/ I                {
7 N/ |0 ?  X& c+ x* a                        fresult += vec1[jj] * vec2[jj];
                }
& E# F4 ?) M& e# s1 A* N                */
                                
                //Method - 3  N=100000 204s
                /*
' D: f6 S$ f2 |0 e0 E4 _# R3 R                for (int jj = 0; jj < N; jj++)
                {
4 Z$ a  T: s+ P% C* W                        fresult += b1[jj] * b2[jj];
+ m% L: D- Y1 G) q7 k$ e0 y                }
                */
+ D0 I1 l" X% E' l9 C4 a/ J' d, c
8 k* K4 L# s: h8 g5 j                //Method - 4   202s
                /*
5 L. J8 V3 a; q9 `4 S  ?  m; N                for (int jj = 0; jj < N; jj++)
$ A) I' f3 B+ l" Y+ B, t                {
                        
                }
                */
                //comment out all methods, N=100000  202s               
        }

        delete []b1;
" H+ V2 O- ?( S0 y8 V        delete []b2;

: f6 s# b: D! q) Q0 D' L: Q4 |

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？

6 @  v9 c0 E: m# q  |% N/ L4 _$ g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？

( ~) W6 f  P" N* `你第二个试验里面的j在循环里面又重新定义 ...

4 k# t9 Z' M5 ^; }; B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

* k. ~5 ?- M/ m/ E# y9 _5 v& V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
9 u, M5 v- g4 i4 @+ Q! p
不和它 ...

1 \6 a  o6 n. T$ ~+ D/ q4 O
, N* F' D  F5 G; }8 |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。
2 V1 C! Q' d) e3 z3 }" [2 R* c/ z8 _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)
{
3 J  n) k$ k: l( |  Q        comp temp, xtimesy;

: |9 i+ X: Q+ B/ t6 ^9 ]# M  \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。