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。

  g2 n2 {- ^4 g7 {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？
* P) P+ S$ }- ^7 \+ j) _* _& D
  W, c  \6 V# `. 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
拉下来？拉多少？
  t- Z% N1 {3 l' f把代码贴上来看看？

void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
  C" K% q% e! R* e1 ~{
        comp temp, xtimesy;
7 I9 ?2 h: k2 F8 K( ^& b2 @+ n8 x# B, r        xtimesy.re = 0;
# K& J5 @& h! k, A) D7 Q        xtimesy.im = 0;
        int j0 = lenB - 1;
        int    i, j, i1, reali;
  G. }0 X  w  |3 q, R        if (lenA % 2 == 1)
                reali = lenA + 1;
/ v: ^% s, w$ e" }; a* I6 ~        else
                reali = lenA;
$ ~: u7 d# x- \" V        reali /= 2;

        int nconv = reali + lenB;
) \& k: n. _. c2 v/ |/ s        //#pragma omp parallel for
        for (i = reali; i < nconv; i++)
        {
  l% ]: G  r8 H: R6 F                temp.re = 0;
7 l/ }( V; f5 K9 [7 z                temp.im = 0;
* X7 C8 e. n% D, s                i1 = i;
3 A$ k& B0 Q0 s0 ?  I$ S* C: j                for (j = j0; j >= 0; j--)
                {
                        /* floating date operation */
                }
        }
5 X; O0 j/ a) r2 G; h}

! _  |. i$ [- n5 N: |9 v$ Rxcorr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
3 _- X+ K" Q8 @* W. P. D  w8 h% |
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.

, C$ F, R: n, n) M% `* G如果把红色部分内循环本身完全comment out， call xcorr 1000次，耗时 <1s.
! l1 @( m1 h2 f- \# w
2 S+ B8 w/ _/ z& N, s5 ^6 j

雷达

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

. @% H+ }3 U  e! y) c/ A6 x$ x4 X不应该，看我上面的回复。
% @5 I6 Q9 h1 {& }
& N0 u2 _- U3 C- ~1 K9 O/ L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)
6 z$ O7 t, ?, w  C! ~& Y* z* W2 ~{
        comp temp, xtimesy;

2 ~6 T. a' N( a( C; o0 `$ B* c  J
2 ^! \. j2 r, C; e这个不是这么比的吧。。。
7 [6 u( S3 D" f, f) z3 ^: J2 H) p
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

+ w; ^: o/ X6 r$ P" ?$ G) T

数值分析 发表于 2022-9-25 00:20
' u) n1 Q: Y- @  x这个不是这么比的吧。。。
$ F5 P! v6 U& F+ z
; I( [" |1 |$ M  j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）。

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，记得 numeric 库里有算向量内积的，我回头试试。
8 u$ @6 H2 @3 a. h8 i( K8 l
: Z) b; ]+ d, 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
' i' f; W! z1 O- J- P8 S+ \8 s/ j) ?有道理。
5 @. _/ G8 n. Y0 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 ...

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
7 j5 q) u# D1 m4 x3 i) O. l0 p+ b2 u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

! b0 ?  m9 a- ?+ _: I6 H. Z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
" V. U: {! u% x( d- 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 ...

5 L* a, a$ G" J! l: @# T
是的，兄台说的对。
8 Q) L9 I) `0 S0 y  P
# t7 H: }- @: M2 z; I/ 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。
1 ]6 {( q6 ~, @" |
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。
1 [: R9 a6 }3 q- G) l/ [
* L7 ?1 s% L$ A+ L6 ^) U. C5 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。

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 ...

6 Q0 t* J" I& D7 @2 U; 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。
: q, g3 V/ _- r- c& \4 b! i/ g
, e3 ?& c: p6 S5 Z: b; }, e9 U我已经完全懵了。

沉宝

雷达 发表于 2022-9-25 04:47
% _( t' J, h/ w4 w4 d4 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 ...

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

6 K+ K, y* I1 M! b" ^- k; l

雷达 发表于 2022-9-25 04:47
3 S2 t! z* o" @) C) h: 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 ...

  F& K! k( l) V6 }能不能把这个也贴上来，看看和上一个有什么不同？

雷达

" r$ T. Y0 o( d4 L: b

数值分析 发表于 2022-9-25 14:58
1 I4 Y8 W: x: I8 |& Q1 J& \! o能不能把这个也贴上来，看看和上一个有什么不同？

8 P. d8 n) G2 G$ E' @4 |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
5 z! _6 }& m; ^0 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.
, _4 k- X- ~% O& G4 z( j) }. F
: G2 r! C( }0 v1 S. U内循环试了4种方法，
5 H3 e& F6 k& W1. 直接调用 vector inner_product 247s
2. vector 循环点乘累加 237s
1 f0 X! B' K) @9 f# N3. float * 循环点乘累加 204s
6 j+ P# r$ C3 R" v) _4 j4. 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。
  o0 e' ^  ^  t0 h4 W- G9 F2 C另外可以看到， float * 循环点乘累加 并不差，比用vector 还更快。

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）

1 V2 @3 O2 ^' v7 y$ k（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）

        std::vector < float > vec1(N);
+ ~2 i" ^3 |  G        std::vector < float > vec2(N);
' K8 |( j  H# r) m- x  D) F/ X        float* b1 = new float[N];
        float* b2 = new float[N];

2 a6 O/ o3 G# y, y: I        for (int j = 0; j < 6000; j++)
: R* f" Y6 f# F3 q, {$ p' Q* f- P9 K        {
0 e0 {+ l0 p: ~# W, d$ n                std::generate(vec1.begin(), vec1.end(), []() {
: v4 ^5 G# y* `$ `, s                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
                        });
5 T" v4 e& p+ u! P! K4 f
/ }- c: I) ?( M3 g                std::generate(vec2.begin(), vec2.end(), []() {
                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
                        });

1 b& H6 R4 R. S* _. S8 ~( Z                for (size_t jj = 0; jj < vec1.size(); jj++)
                {
: F, v- P8 ^3 a# C% `5 H. |                        b1[jj] = vec1[jj];
0 K( r  i* E  u) M6 {6 z( K! {                }

                for (size_t jj = 0; jj < vec2.size(); jj++)
- r8 S3 Y/ @3 m4 K* c6 x                {
                        b2[jj] = vec2[jj];
8 ]( x* s) D7 T! q" q8 Y6 `+ p                }
% S% Y2 p' h2 }8 P' t3 ?
! T+ |% I# G6 K1 ?- q                //Method - 1  N=100000 247s  
7 f0 i, R9 H$ J  p( C, \- L                //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
                                
                //Method - 2  N=100000  237s
) @! Q' D+ d; u  N6 H* D- j                /*
2 c# Z0 D' ]( @$ t" S                for (int jj = 0; jj < N ; jj++)
                {
% R/ E  ]3 X& R0 B7 ^- [6 _& A                        fresult += vec1[jj] * vec2[jj];
7 w& A( D2 P& r2 L                }
3 i* @  j* I" v) }; v; F5 Q                */
                                
7 k& ^' H: M7 l5 C6 r                //Method - 3  N=100000 204s
1 [* ~: R2 t6 F. ^' u# t  w- }5 ^. L& }                /*
9 d4 v9 X, H5 q  P' k                for (int jj = 0; jj < N; jj++)
                {
, T$ o" L% d5 D5 K* K                        fresult += b1[jj] * b2[jj];
                }
                */
* D: ~& J1 f  n' F# S
1 |# S# ~# x3 w7 U                //Method - 4   202s
1 o) _' p& `$ P2 B( F# E8 ~4 M                /*
1 _& {' v  B; a$ X" U4 U: m" T                for (int jj = 0; jj < N; jj++)
                {
- ~8 q5 e/ r: ~) s9 _0 \                        
                }
                */
                //comment out all methods, N=100000  202s               
        }
6 ?, G3 M8 A! K% {* ?1 n8 ]
! B& d4 k$ m0 n5 f6 C* K) u+ H        delete []b1;
        delete []b2;

- c" C5 e1 t5 w

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？

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
9 w8 N) T4 r& [3 m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 ...

1 `: k4 c8 E; Z( H+ J7 _$ t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
+ W' j4 P6 P& E; T3 E8 X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

* D$ L: W' q" H# z不和它 ...

( K9 O' U7 i$ ?. v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。
% e" \) q1 S4 x, Y2 v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)
{
7 }1 p! Y1 L% f% A+ z5 H        comp temp, xtimesy;

  B9 w  s. r* J) ^6 o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。
; T" W7 a: d4 p, W  P3 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？
0 f0 [' z+ H( E7 aVS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。