C++ 提速的新发现

雷达

C++ 比 Octave 慢好多，怎么破？

) k+ d7 V* J7 Y- i: X# _2 s) V8 R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。
& k  X6 K" G* P
+ G, A, ^/ L! [% |7 r5 q速度优化问题真的很有意思啊。
3 k/ h3 K: i9 Q1 V
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？

1 m+ \5 L4 N$ D& m. ^, z/ A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

6 f5 g6 g1 h9 D

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？

' s; g  q+ x9 D+ g) L0 {$ e5 tvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
        comp temp, xtimesy;
$ @( N4 U& S, G0 f! f        xtimesy.re = 0;
; `6 {9 r4 S. _" Q9 m        xtimesy.im = 0;
( E9 S' f, B2 A9 ?0 H0 D6 V        int j0 = lenB - 1;
        int    i, j, i1, reali;
4 q+ W  c( Q; C" x9 H" h. D        if (lenA % 2 == 1)
                reali = lenA + 1;
        else
. r; k8 ~8 m1 V0 `% ?: L                reali = lenA;
        reali /= 2;

        int nconv = reali + lenB;
' e' B+ a, N/ r1 @        //#pragma omp parallel for
        for (i = reali; i < nconv; i++)
8 Z1 Z+ N0 O/ O" S* U# G0 L4 O" m        {
                temp.re = 0;
; N1 y3 g, A! [( E; J: k                temp.im = 0;
                i1 = i;
                for (j = j0; j >= 0; j--)
# i6 ~* q. o- @( h! @                {
6 ]+ K, t( y" j8 s2 h                        /* floating date operation */
6 U0 Y' |9 X* @                }
        }
}

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
  W2 i& b1 I: s8 r; ], V  O1 `
红色部分是内循环，现在其内部操作都comment out 了, j0大概是 6000。
8 l1 r* r' I; {) u' l$ `9 x" `8 y现在call xcorr 100次，耗时78s.

( N% b  J- J( i" j+ R. Y" ]  S/ B5 ?如果把红色部分内循环本身完全comment out， call xcorr 1000次，耗时 <1s.

! x: Q+ g( R* G. X" K+ p2 C

雷达

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

' A, ], ]: b4 C' L$ b  v0 I+ L2 I
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)
8 X9 \5 u, X6 U% R9 x2 [{
% x- }& z  c4 b6 }* R& t        comp temp, xtimesy;

! J, [1 m) R( D0 Y# @. N! C! h
7 P" G0 Z  g3 s这个不是这么比的吧。。。

  h# h, A/ h2 x7 d( 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）。

5 I& F0 `/ W8 m) z) M, Y+ R9 n( k' q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。。。
2 @. M2 x  U$ p/ q; [
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）。

9 Q: |0 G$ \3 n7 d& s3 y) f7 l
3 V2 @; E4 s6 I/ }2 m; P有道理。
. ^5 B1 R( X2 k; V. z) {1 {! j2 e8 [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。
4 \8 Y* V4 x3 i- S6 \
. o" [8 q6 i7 |- C2 {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
0 J- c6 ~6 J/ s( G$ ~有道理。
" g0 W; c9 l  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，这大 ...

& ^3 n3 E. E) u- v0 ~$ w( \3 I. G  C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。。。

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
! A; [  l/ h- K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 ...

- v4 f! W, ^, z: S3 |. Q
是的，兄台说的对。

- L* ?0 k! E# q7 o- S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。

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。
5 j1 a3 I- ~+ J
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

3 m* s( F3 ~5 q' p3 e

沉宝 发表于 2022-9-25 01:27
# g' B0 J2 o4 Y1 }: j& K5 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。
2 i4 ^# B3 T7 @5 j2 t
: \* Y8 \! a: g4 ~, W1 b; ~我已经完全懵了。

沉宝

雷达 发表于 2022-9-25 04:47
) W" ~2 f) v: B* W. N( n8 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 ...

; E% n3 y  Y8 {3 ]时间差一倍的结果可以接受。

+ [3 v4 H6 |1 [' O, d2 i你还是用profile工具看看吧。现在大家都主观瞎猜。

数值分析

/ ]* a! S8 _, u1 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 ...

$ x# k- |& G4 \
/ e$ C5 ~; T. a5 v! \6 y1 G5 l' x
: b+ Z( |: s) w( X2 p
能不能把这个也贴上来，看看和上一个有什么不同？

雷达

. w- H: z( g3 M' b3 C

数值分析 发表于 2022-9-25 14:58
" i2 e6 G$ o& @6 E" C% U9 o: g) a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。
1 h  p- }! n3 K6 K. C做了两个 vector 和 两个 float *, 都长 100000
7 |5 Q/ v. R& m0 P6 a8 L( t/ L# l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.
8 B6 p* x# W  l- O  L
内循环试了4种方法，
3 U4 K6 ~* J* o) B1. 直接调用 vector inner_product 247s
2. vector 循环点乘累加 237s
4 u3 u& @7 Q6 `! L& l3. float * 循环点乘累加 204s
4. 空循环 100000 次 202s

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。
- E' Q( X6 ?. K" n! G另外可以看到， float * 循环点乘累加 并不差，比用vector 还更快。

3 q4 \& \6 o* m1 s$ v% p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）
" J* y2 T0 V7 r$ {/ v
（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）
. R" s: n! J$ G% z( p. B1 N

        std::vector < float > vec1(N);
0 Z% e7 {3 `! d8 a        std::vector < float > vec2(N);
8 c/ X* W1 I1 s  z        float* b1 = new float[N];
        float* b2 = new float[N];
+ z6 w5 M& l! P0 \6 X
        for (int j = 0; j < 6000; j++)
        {
+ h4 o2 V, f, p( l: P5 ~                std::generate(vec1.begin(), vec1.end(), []() {
                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
                        });
6 y0 X# x1 g5 b
                std::generate(vec2.begin(), vec2.end(), []() {
9 W2 ~; i; ^* N' Y8 n( `                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
& r0 f4 ^% q, n* |* P                        });

                for (size_t jj = 0; jj < vec1.size(); jj++)
- A# W) h9 R5 O9 \+ b                {
                        b1[jj] = vec1[jj];
/ c" B4 O6 x8 p: ]                }

                for (size_t jj = 0; jj < vec2.size(); jj++)
                {
9 f4 s- C: {$ x  J) ~1 K$ i                        b2[jj] = vec2[jj];
                }
+ d2 ?, J" c+ G$ @" ]$ H/ G' |
                //Method - 1  N=100000 247s  
                //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
                                
& M2 s( p$ V/ W. o  v                //Method - 2  N=100000  237s
9 C+ T5 [- g' ^                /*
                for (int jj = 0; jj < N ; jj++)
                {
                        fresult += vec1[jj] * vec2[jj];
                }
                */
3 r3 c! f% G) t; r$ I" n                                
( d2 R5 @6 {2 F                //Method - 3  N=100000 204s
                /*
: w; X. F9 s# A- N. v2 J                for (int jj = 0; jj < N; jj++)
2 C& _6 f; F/ \! t0 Z; @- I4 w                {
                        fresult += b1[jj] * b2[jj];
  S# z% o' q& w                }
                */

                //Method - 4   202s
                /*
) N) I$ ~1 T( [9 O: o$ c' b9 ]                for (int jj = 0; jj < N; jj++)
                {
" [% @7 F) O# v$ j                        
                }
8 E8 A# _/ y" |% l. `                */
# Z! X" j" j, P; Y0 Q! B/ G                //comment out all methods, N=100000  202s               
        }
6 ]' R) H) o; n% p9 D2 y
        delete []b1;
) |% r6 V1 S$ q' p, P$ y: `7 ~        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？

/ o& g# b5 A% m9 l+ 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？

雷达

机器猫 发表于 2022-9-27 00:15
* _5 a  C9 v6 P" O3 z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 ...

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
5 Q  w1 c! w8 x3 O. N9 M& g
' [% n7 a2 e' ~1 ~5 P5 l! S1 i! ^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
2 N( V6 i- J7 F" S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
  A% l- j; O# b* i: {# ~  P
4 Z7 ^* a8 }7 a( S: u不和它 ...

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。
+ n# A7 ^7 N. F8 D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)
2 {' ]* v7 b: P9 a{
        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。
, R2 J; e0 ?3 q, x- \" Z* x' T5 a' ^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。