C++ 提速的新发现

雷达

C++ 比 Octave 慢好多，怎么破？

: f  P: E& G& Y! G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。
; G* B9 e& x) O. J$ N" W# {
7 z! h6 T' v4 R' L+ D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？
6 E* b# L4 p. N
; Z: ^  `6 l% X6 k8 l& W- q6 d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
; L* M9 h" q$ l9 X& _# y" x, K  e拉下来？拉多少？
+ T5 l( k# T$ m$ h9 A% ^9 E把代码贴上来看看？

void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
' N9 y/ s) J& v! z        comp temp, xtimesy;
& O2 I$ b; R/ G0 m- ~- A        xtimesy.re = 0;
; `0 w5 U$ h& u  J5 ^        xtimesy.im = 0;
        int j0 = lenB - 1;
' l: t  w- I9 o        int    i, j, i1, reali;
% H6 S5 s2 }2 U" R  B        if (lenA % 2 == 1)
                reali = lenA + 1;
        else
4 T5 X) |4 G- L. O# [0 l+ s% V                reali = lenA;
. e9 j' U  ~; w5 Q1 z2 d( n5 e% H        reali /= 2;

  ?7 l6 A; T$ F        int nconv = reali + lenB;
        //#pragma omp parallel for
+ r: S  H& L9 @        for (i = reali; i < nconv; i++)
1 @' P4 W. Z9 |- h/ P0 D        {
                temp.re = 0;
7 T3 G. @/ E# J                temp.im = 0;
                i1 = i;
5 e# R: {) B) o                for (j = j0; j >= 0; j--)
& O% v! y3 ^( x                {
                        /* floating date operation */
. S" N! ~2 p, C& {& J& n) I                }
& M6 b. Q0 W* r( x/ m* Q        }
}

5 `* n. _# h# ^& e" Xxcorr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

/ B4 e6 `2 M: h, v0 ~% D) v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.

' H3 [# C3 `2 K% v如果把红色部分内循环本身完全comment out， call xcorr 1000次，耗时 <1s.

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。
. p, k+ _, k  [, ~. o' U- C' @5 y
我更怀疑是 VS 社区版的问题

数值分析

. c/ K  @9 `# [# K* d* Y& s/ t. z

雷达 发表于 2022-9-24 23:54
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
        comp temp, xtimesy;

7 i1 t: Q" y1 B' G' {. _这个不是这么比的吧。。。
( \0 m7 q# l' q, 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）。

- o) m5 U( D( q  @7 T/ ?8 r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 o. ]: F$ N$ J

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）。

* D: B+ k) o( A5 [5 r" p4 h( _/ Y
/ `& d; Y; h3 \有道理。
5 w& p( H+ W5 E4 o! D2 H# h  c4 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。
- a& X6 _. V/ b- r. }
* J, t" J) \) f. w0 s! a8 c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
' r# c" ]7 T; p( z6 y& @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 ...

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
4 w# c  A+ d6 O2 F6 Q. j这个不是这么比的吧。。。

  ^3 E+ Q8 ?5 y0 {; 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）。

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
  @) C3 W* l4 [/ g3 A# ]% a% V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 k9 E3 C/ J  O
是的，兄台说的对。
; b) u! t4 h" F6 ^: ~4 N
8 T- y* A7 t0 T5 k0 o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。

2 v& p3 k- q; k) [) l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。
' Z( H; _4 D( h' r# V$ o, p* N
" O1 C* l4 n2 d, g  O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
: y: e# ~* h( f) H# i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 ...

6 A1 [! |- o7 P6 t) H' K8 E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。
  P' Q3 s( D8 i9 j# g! T
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 ...

时间差一倍的结果可以接受。
8 l! W$ [9 b, U9 Y
你还是用profile工具看看吧。现在大家都主观瞎猜。

数值分析

7 d% [' j5 ]/ V+ s- s$ h

雷达 发表于 2022-9-25 04:47
3 d0 ]  u0 t+ {( o- v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 ...

1 \+ [# |) a( x
% a! m# e7 a/ z, w; [; P( {$ t7 ^
; ]% Y. v) L% n9 t! P0 n$ j
能不能把这个也贴上来，看看和上一个有什么不同？

雷达

0 H- C) w. u1 w: t- U7 ^

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.

内循环试了4种方法，
1. 直接调用 vector inner_product 247s
2. vector 循环点乘累加 237s
/ ]& x# x! Y2 N/ R) t3. float * 循环点乘累加 204s
6 C( g3 i7 ]7 i3 l3 e2 [4. 空循环 100000 次 202s
3 Q9 G9 R" ^/ T2 a; U
不做内循环 200s
, ~* l: Q" C$ [5 z9 i" Q
/ V% k8 |1 p+ V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。
8 T$ U0 }: i( G) Y( B$ x% y
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）

5 M4 _" A  {; I" z+ A（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）

9 f- [8 B" I& F: u" d' q- D

        std::vector < float > vec1(N);
        std::vector < float > vec2(N);
        float* b1 = new float[N];
        float* b2 = new float[N];

/ w+ j1 \2 O) P% i8 q        for (int j = 0; j < 6000; j++)
        {
8 R$ h. B3 N1 S2 C$ n                std::generate(vec1.begin(), vec1.end(), []() {
                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
6 q. l4 P  Y: R                        });

                std::generate(vec2.begin(), vec2.end(), []() {
! Z: I4 X$ [  N6 R/ U                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
                        });
7 u# J8 o4 A, ]2 L
                for (size_t jj = 0; jj < vec1.size(); jj++)
                {
" f# ?8 C) ~: W& [- @3 u% a4 E+ `                        b1[jj] = vec1[jj];
                }

                for (size_t jj = 0; jj < vec2.size(); jj++)
% Y- u7 Q" N# `/ j                {
! S, z% y8 ^( _- h2 L  Y  Q8 l. Q                        b2[jj] = vec2[jj];
                }

4 y- }: w" ]1 Y! B+ C* |. ]                //Method - 1  N=100000 247s  
5 `8 U/ ?& q3 H. {3 P8 h                //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
7 Y3 E+ x* g# z( g: s9 L! v$ ?7 _                                
$ Z* i8 q: C/ r% G                //Method - 2  N=100000  237s
                /*
6 W. b7 h; {9 _6 i4 C# G2 E' H                for (int jj = 0; jj < N ; jj++)
                {
                        fresult += vec1[jj] * vec2[jj];
. j6 X+ W7 N& |. A, B; `                }
, _$ N: Z6 A; {& E% t% y& b                */
                                
( r' ]+ Y8 ?4 T; b0 {% V" ]                //Method - 3  N=100000 204s
                /*
                for (int jj = 0; jj < N; jj++)
                {
                        fresult += b1[jj] * b2[jj];
                }
( t9 R  p  v5 O3 ]1 f7 f0 C6 L6 q                */
# v6 I7 z0 a% z' Z$ t1 ]% T
" ^% l& V% `; U8 f                //Method - 4   202s
: ]$ j+ ]$ k; o- N: h7 [                /*
3 |8 U3 |0 t5 L+ ]5 K$ z                for (int jj = 0; jj < N; jj++)
                {
3 o) ]# p6 v5 G; g  ^                        
                }
7 X4 o8 ~8 ^) w- t                */
$ o" t5 |  x) M. [( T8 k                //comment out all methods, N=100000  202s               
        }

        delete []b1;
        delete []b2;

8 \# q" i1 z5 I+ D

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？

2 e9 V' J. B4 v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？
$ Y( V  V& X/ d! N( o' N, u# b

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？

6 h7 b" h8 O- q6 N: n2 D# o8 e9 x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
+ S5 N. R; C4 b* R  Q' P) s
& k4 B. _2 y" |4 v5 M, e+ T9 @4 T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
& }$ `9 L  B7 r" t% N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 ...

2 A+ I  v8 I. Q( }, k. `
& J. {2 R! P4 j2 e& x1 f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。
$ f  p+ g* M7 ?4 c# }$ a" w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
5 G8 R9 ^0 A7 E. zvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
        comp temp, xtimesy;

# c! U7 \7 K- }/ a# r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。
! ^$ K8 i0 J) m) g9 [! F! g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。