C++ 提速的新发现

雷达

C++ 比 Octave 慢好多，怎么破？
% @9 |  z/ h% `4 ^$ ?* D" b7 T& S
+ D/ |, z/ j  O4 o1 h. [* K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。
& b2 \: s# V' o8 C
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？
; \  P# S  ^$ B$ V- v1 ~  v! {2 T把代码贴上来看看？

2 _% c: j4 S. ?6 r/ O# K0 f2 W" 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

1 M& u( @2 l: M2 t# a5 q

数值分析 发表于 2022-9-24 23:04
' S5 [9 [5 m$ R( Q拉下来？拉多少？
把代码贴上来看看？

2 D9 d) q8 d: u0 B5 Xvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
0 Z# b0 Q) S0 S0 B1 z. k& E{
        comp temp, xtimesy;
  y8 X$ r  h# O4 m% C        xtimesy.re = 0;
        xtimesy.im = 0;
& _& j' ]) Y2 l( h: Y) Y. y        int j0 = lenB - 1;
        int    i, j, i1, reali;
  k2 T7 c2 _( \! x& w% a3 L% n        if (lenA % 2 == 1)
5 F! C4 m2 C/ d% q  o% g                reali = lenA + 1;
        else
                reali = lenA;
* q7 p3 Y& i6 m% c9 s0 P/ j        reali /= 2;

7 `$ J4 g. A! f        int nconv = reali + lenB;
+ u, a* h+ ?! |* F' V  Y- A/ v9 O( d! b        //#pragma omp parallel for
        for (i = reali; i < nconv; i++)
, P3 J0 k8 k& k0 e3 H        {
                temp.re = 0;
0 |8 a4 o' x7 p8 S5 f                temp.im = 0;
7 K- C% k5 d$ H) F                i1 = i;
                for (j = j0; j >= 0; j--)
$ {1 M. \5 K- k: N% J0 ?/ G                {
6 T. o4 E9 T+ D6 X3 `                        /* floating date operation */
                }
( a9 B0 R$ G) Z6 I1 [        }
7 A3 K( n- F+ s, l}

5 m, P) E' V' Y$ f  _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
8 T- O# z: @8 s0 T# X, C$ m8 \
红色部分是内循环，现在其内部操作都comment out 了, j0大概是 6000。
$ o3 M  q& }; T& r8 k8 {, m& E现在call xcorr 100次，耗时78s.
( D* v" G. r& A
8 O9 h0 O; E, F' a1 O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
; @: x3 B2 |) GMaybe Debug mode?

  I1 l* R/ W( [5 o
0 C$ n  D9 Y# M, o; @* R* L不应该，看我上面的回复。
2 c" F+ x5 e4 e
# L9 b  r6 r7 m  y5 B我更怀疑是 VS 社区版的问题

数值分析

) T) s0 u6 x' f, ?" \4 v2 b7 c

雷达 发表于 2022-9-24 23:54
8 U+ g# B9 j6 y3 q) r7 Lvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
        comp temp, xtimesy;

' n1 x6 W9 o! }2 s# `; @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）。
5 ~* A* A9 g/ C9 D% f9 G( p4 r7 K
! L" G, @) M& m" n; F1 Z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
, p1 m4 u7 F1 w( u& g' S8 f: d7 S这个不是这么比的吧。。。

/ I4 K0 m) R. C& s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）。

7 t) b( G4 [3 R2 {* q  s1 v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。

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
" S) \* s- a% o- E有道理。
6 O1 Y% E8 U( |9 z5 K2 ?/ x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 ...

% R( D$ ^" ^+ O4 F" H: X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
8 a1 G0 ~+ Q- u" k. L3 c这个不是这么比的吧。。。
; V9 N# G) V% 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）。

而加上内循环，光jmp和dec指令就至少多执行了6000个

) g8 F0 p0 `! f& s1 z: v4 T
0 V5 j& W. @' B2 a" c3 j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
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 ...

# o- J) z5 X' G5 |7 O6 v
0 y! T8 y, P" X& u4 Q% K# ?是的，兄台说的对。

) V  Z5 P/ K# \/ }/ p. x- v1 U7 D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。
/ n, g! A. `! e- p& J3 D& b9 ?
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。
  R& [# h' Z0 H' g( {; A: M2 _
0 L) D# \0 c. @5 K) v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 ...

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。

1 x; b6 ~% S# }$ x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。
' E6 \0 M2 T" {6 Z  |
你还是用profile工具看看吧。现在大家都主观瞎猜。

数值分析

7 l0 f8 C0 G' g7 Q

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 ...

5 c4 _/ }2 ~- n. P& j' Q


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
* Q( ~- X) u. b/ E% t9 Z$ b5 E能不能把这个也贴上来，看看和上一个有什么不同？

. r- R+ q% z( `5 ]/ |  [理了理思路，重新做了一个测试。
/ O' D( m" a+ k, J. _& a9 q# v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
  }8 M$ y; g% x5 ~1 j2. vector 循环点乘累加 237s
  }! \! |& L; a% j- g0 q" Z; g3. float * 循环点乘累加 204s
4. 空循环 100000 次 202s
: f3 M5 w3 X. V( R. }) S5 L0 C
; L8 h/ z, M! u4 F7 K; P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。

0 d) u, g% P- g$ M. S; w1 a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）

2 Z! ?1 s8 L( b7 M7 f3 ]（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);
8 k5 ?" \/ {! u# u9 A% H7 v& Q" z        std::vector < float > vec2(N);
* |# }1 i1 `; o, L' {: ?& d        float* b1 = new float[N];
        float* b2 = new float[N];
) P  R7 V- c( L
$ y, j. N7 m. T4 }        for (int j = 0; j < 6000; j++)
* U! V- Q- l. v8 S& E7 f        {
                std::generate(vec1.begin(), vec1.end(), []() {
1 f) ?# r9 R1 }; V3 e( K; u. x6 E* ]3 e                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
                        });
" q$ ?3 \8 o3 _) Z2 E! _
                std::generate(vec2.begin(), vec2.end(), []() {
! g& D: y5 ^) d, g8 ?                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
                        });
2 E! f* v' X' _$ J$ u  F( L1 n) W: z
                for (size_t jj = 0; jj < vec1.size(); jj++)
                {
                        b1[jj] = vec1[jj];
+ Y+ C: r' w9 k1 N( l                }
; Z! O# C' f9 B) B; {4 w8 Z5 t  A
                for (size_t jj = 0; jj < vec2.size(); jj++)
. P0 q4 p, O" k5 y% O, i                {
- \0 H3 v, V* i0 v% a# a% a1 U                        b2[jj] = vec2[jj];
                }
5 b8 Z# u8 r) _# m
                //Method - 1  N=100000 247s  
                //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
7 P( [6 \  h% B# d4 F+ S" S                                
                //Method - 2  N=100000  237s
1 U2 U( z* S- k. f                /*
& X% M* J0 W- Y/ s7 P. {/ h0 V                for (int jj = 0; jj < N ; jj++)
                {
                        fresult += vec1[jj] * vec2[jj];
! I: X7 T) m4 a5 X) y3 e                }
: K9 c+ `% Q' F6 S! a! p! O6 S, [                */
2 j3 h# l/ p3 a5 S8 a5 Q                                
3 |" H+ U" d4 n; ~                //Method - 3  N=100000 204s
/ a7 {/ f9 O; l8 }                /*
                for (int jj = 0; jj < N; jj++)
  Q5 A5 h4 R) Q6 `- e) |! \/ S                {
0 \- T" x, K1 z$ m7 V; e                        fresult += b1[jj] * b2[jj];
                }
. f: X" n4 g2 I" }+ Z                */

                //Method - 4   202s
0 V8 N4 y# V7 X, t! \2 P, g2 N                /*
                for (int jj = 0; jj < N; jj++)
) d/ ?3 P6 T, Y' M' G& t                {
                        
- x! C9 D0 I8 a+ }$ R6 n% J' S+ i                }
                */
                //comment out all methods, N=100000  202s               
: D$ c' ]; c6 n! g9 a        }
+ E# x4 A; T9 I! U
4 I- d0 |" O, }6 E  n        delete []b1;
        delete []b2;

( |$ ?7 l/ M- u# K; j% P

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
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？

0 t8 u% J" P6 @" L# I" K; l( U你第二个试验里面的j在循环里面又重新定义 ...

4 }0 e5 x6 P! j/ 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
6 X% ]; _: F3 r" G
) h$ K+ _% {9 t. B6 `% ]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
! ]$ D# T! k$ v. @7 n. F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 ...

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。
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)
{
        comp temp, xtimesy;

. h" ?' q, r+ x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？
, v  e; ?: n" YVS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。