C++ 提速的新发现

雷达

C++ 比 Octave 慢好多，怎么破？
' Z) [6 X1 Z  X5 M3 v+ l
  c4 g. q! a% v0 q& h5 F' z& w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。
( {) x0 t; b( i* X( w1 m! @% C
速度优化问题真的很有意思啊。
! w$ k3 v- B+ @1 `% O
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？
8 \5 S6 J0 g" I5 k
& F7 C! c. `& q: t6 D9 O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
. I# {  S! Z) v5 p9 Z, @9 [# E6 ~% u拉下来？拉多少？
把代码贴上来看看？

# f& z" P$ v. j- ^void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
        comp temp, xtimesy;
! }% \) e" ^& T! s, q8 n' i/ z        xtimesy.re = 0;
        xtimesy.im = 0;
) Y8 T1 i3 y' R* t  Y, w        int j0 = lenB - 1;
( K2 e1 c# Z! ?& C' ]$ G        int    i, j, i1, reali;
. r( F/ h8 E5 F- K        if (lenA % 2 == 1)
% z7 K& A; g" ?! K3 C/ s% E0 h3 g- G4 J                reali = lenA + 1;
        else
8 G/ x" k! R2 v' r9 d* J( X                reali = lenA;
        reali /= 2;
, ]3 H) h2 u- `! }
        int nconv = reali + lenB;
        //#pragma omp parallel for
        for (i = reali; i < nconv; i++)
. C4 x. n% s& a- x        {
                temp.re = 0;
+ J& X2 S7 g/ A, }$ p3 U9 x1 C                temp.im = 0;
' J/ K- L: [: w2 h. l- [% W                i1 = i;
                for (j = j0; j >= 0; j--)
                {
9 w- _3 C' M2 W3 Y# y. a& n* e$ Q4 x                        /* floating date operation */
5 |" R$ Z* {: T                }
        }
$ _2 S0 b& U! W: c' d& u. h. k6 w* O}

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
9 o+ D0 S9 z5 v/ n
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.
+ a9 i' G2 J( U) l- {
如果把红色部分内循环本身完全comment out， call xcorr 1000次，耗时 <1s.

5 E9 N- T$ W+ o# C, _- ]3 j) _& V

雷达

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

4 }+ e4 m* y' m/ N9 \! d不应该，看我上面的回复。

" l  D2 C- }9 V# d9 `* k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
3 s3 N9 y$ `. I  Jvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
( i5 a3 x3 h' M5 d{
        comp temp, xtimesy;

* F, U; j5 L+ \; e
这个不是这么比的吧。。。

' i1 A# l/ \: _! a5 ^- z  J( D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& d, P* K# U1 c& o$ {
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。。。

: {: P) Z. i$ l8 \) Q3 L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）。

. f7 Y/ i; f" e9 x
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。
  V- c. Q2 z5 `" O
4 e' E7 t( s1 Z. F  T1 n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
9 a. s2 N' `/ Y1 b有道理。
9 \( S* @& h) `& F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
) ~7 a; d2 v  W0 FWhy 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。。。
; F5 ^# Q! W" X% ^7 O
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

' M5 x, Z& X2 w" P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

. U/ Z: ?1 B/ g" G3 `) R! p' @

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 ...

- M4 q: Y" _& L$ e/ X# ?  z
是的，兄台说的对。

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。
4 }  f8 j' \# g$ Z; M) k1 P! t
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。
% m  x! D: q  F5 ~; y
/ M6 F) r2 R, o7 D' u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。
% I, A" s7 o/ S' o3 ?7 g6 u+ ~  |& h
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

; a3 o0 Q  A9 i6 L- Q

沉宝 发表于 2022-9-25 01:27
/ m& L) }% [& m7 @9 j$ }8 G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 ...

: G$ }1 O9 [) O2 \9 @; r4 _
, u( M+ w! Y1 u/ e! V9 }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。

我已经完全懵了。

沉宝

雷达 发表于 2022-9-25 04:47
9 K! e8 p& k3 O/ m/ c7 q5 F; [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 U. m9 M; `9 z2 f% s
你还是用profile工具看看吧。现在大家都主观瞎猜。

数值分析

雷达 发表于 2022-9-25 04:47
: n; g, h9 d% U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 ...

- K" W/ A2 P4 r4 Y, J9 ]
, ^. Q  L* w- I  Q8 }" U$ l/ y# V能不能把这个也贴上来，看看和上一个有什么不同？

雷达

! S+ ^1 y: a! m7 A3 w; F

数值分析 发表于 2022-9-25 14:58
. `7 _0 b4 J7 I; `6 W& k8 ^; ]能不能把这个也贴上来，看看和上一个有什么不同？

$ o6 @) i6 G& K+ V5 w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，
$ F9 X) H1 O. d0 D' @1. 直接调用 vector inner_product 247s
2. vector 循环点乘累加 237s
3. float * 循环点乘累加 204s
! t( ]* I4 X1 N6 z8 B. X- U& B: ?4. 空循环 100000 次 202s
/ |/ C0 q+ M0 G5 ~% d
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。
5 V$ }; {  J8 G另外可以看到， float * 循环点乘累加 并不差，比用vector 还更快。
  l* y6 X3 m2 V- Q+ b6 B: v
7 ?% p+ A4 B  V7 V! ^6 n( m0 g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 b* i, P, @' Y6 q( N) \（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);
9 m3 v2 H; z) ?" |        std::vector < float > vec2(N);
        float* b1 = new float[N];
        float* b2 = new float[N];
! w- `  f" k3 B: d
5 G% v& H& {: R* S        for (int j = 0; j < 6000; j++)
        {
                std::generate(vec1.begin(), vec1.end(), []() {
                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
                        });

                std::generate(vec2.begin(), vec2.end(), []() {
                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
: S$ ^- L6 W! f2 h0 {( T2 @                        });
1 z. `6 N9 y9 c& b) s  C7 V
$ T" q) ^3 R/ x, j* Q6 Z5 f                for (size_t jj = 0; jj < vec1.size(); jj++)
                {
& B) t2 B- ^4 j5 E" S                        b1[jj] = vec1[jj];
                }
/ ^8 I; i0 _+ p
                for (size_t jj = 0; jj < vec2.size(); jj++)
                {
0 c/ V9 {$ A& `* c; C8 ?                        b2[jj] = vec2[jj];
# @# l0 \1 r  R- I                }
# [% `5 V4 `  }6 F
! x+ q* i/ A* n/ a) W$ l                //Method - 1  N=100000 247s  
                //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
                                
. @$ @$ l$ z+ `                //Method - 2  N=100000  237s
9 V8 g# U5 ~) J. O                /*
                for (int jj = 0; jj < N ; jj++)
- c% a1 m" L7 a- o                {
) A, @4 z6 _+ ?" f% m                        fresult += vec1[jj] * vec2[jj];
                }
( _  E6 O* f1 j7 N0 N                */
. ~& q, z1 g8 Y6 L, {1 l( ?$ _                                
' e, M0 J+ C$ t: y" Q7 N1 D, _+ {                //Method - 3  N=100000 204s
                /*
                for (int jj = 0; jj < N; jj++)
                {
3 l* y: [! e  X. S. B% F                        fresult += b1[jj] * b2[jj];
                }
$ p0 V3 q0 ]& I$ l2 E- e# d                */
- y6 ?+ r/ n* a5 {! x, I
0 M1 C5 e3 k* `  z                //Method - 4   202s
                /*
. o+ S% P" J$ G" x' J6 N0 z                for (int jj = 0; jj < N; jj++)
                {
                        
. O6 S: n/ E8 r! z                }
                */
  t3 S! v: V- H4 }                //comment out all methods, N=100000  202s               
# ?& t* f2 ~/ ^0 Q        }

1 ~+ y3 z# r9 o# S1 N4 e, r. T        delete []b1;
        delete []b2;

5 h7 O& R' b0 n7 X6 ~$ k' d3 o

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？
% N" T& ~6 |/ L+ E2 u1 E
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
+ ^/ o' q9 F, k2 i! Y7 `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？
: Q1 L" o2 T  z
3 q0 `& ~. B8 u* \+ o) Q3 C4 \0 f你第二个试验里面的j在循环里面又重新定义 ...

* F& [$ u/ c, }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
6 U* D4 F5 a, Q' ?5 N) a, L: X5 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

& V% G4 N9 }0 m& n& z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。
! L" A6 l) m7 C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
3 S1 K: L/ A# v2 [$ Q5 Y: }void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
# {: p; h3 p; h9 Q4 `  G0 L6 E  `{
% U0 s9 Z* S/ E        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。
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？
# }: ?/ f% b( @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。