C++ 提速的新发现

雷达

C++ 比 Octave 慢好多，怎么破？

/ c5 [/ x  p8 C9 E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。

& n- _1 M5 J1 W速度优化问题真的很有意思啊。
4 o/ j1 i7 b- }7 Z2 V
2 B: a  a( g( |4 @) m- [欢迎大家继续讨论

数值分析

拉下来？拉多少？
3 z; R3 ]0 t/ d! Q9 d2 o把代码贴上来看看？

: w" {/ c& \" u% |0 W' S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？
把代码贴上来看看？

( S% y! _1 D# @5 u
' Q% e8 w* N% s2 mvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
8 \( @. B; u8 s! E# Q        comp temp, xtimesy;
& F* C$ o$ x# Y% c* b# Y9 q8 W        xtimesy.re = 0;
% q. z  }. I1 h4 U8 Z        xtimesy.im = 0;
        int j0 = lenB - 1;
        int    i, j, i1, reali;
        if (lenA % 2 == 1)
                reali = lenA + 1;
        else
                reali = lenA;
        reali /= 2;
4 ~$ ~2 D- }$ j+ K' A
" l' L/ e5 A* m' u& Q        int nconv = reali + lenB;
        //#pragma omp parallel for
6 O# I3 C* e" a4 v; P        for (i = reali; i < nconv; i++)
0 d7 l( N( a. P2 y9 [# t  @, w        {
                temp.re = 0;
& ?5 z% ~3 P; A, V0 ]                temp.im = 0;
3 z* \6 s/ y- j' u: t9 x. J                i1 = i;
+ n5 ]- k" ~. H. S$ A" u: \                for (j = j0; j >= 0; j--)
                {
5 {8 p% _0 F' E                        /* floating date operation */
$ E& T! ^' d6 Q) I: O                }
  {6 ]# |: ]; V5 i& h, B        }
' E( x; W$ ^5 ?% _/ b. @( j}
( E( p- h0 u8 {3 u  j! d
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
" l, }8 L) ?) ?8 K1 i4 s0 N) x
# N0 W+ F1 I. d  v- O- N! J9 x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.

/ ^2 m* _6 K; H9 I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
5 j7 ~4 W4 [( z% h; G) P  c% IMaybe Debug mode?

' q7 F2 B7 |$ c( b/ A+ m7 |9 _& ^) F
不应该，看我上面的回复。

/ ]: m5 L5 J. Y1 S6 G我更怀疑是 VS 社区版的问题

数值分析

1 U! M! k7 ^$ ]9 S

雷达 发表于 2022-9-24 23:54
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
$ }! U- y7 e, x' e# ~0 K1 g        comp temp, xtimesy;

这个不是这么比的吧。。。
1 y8 e0 ?1 z9 ^, t8 s
  m3 p& h/ v8 ^  w  k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 H) q+ k% |. ]2 ]0 m
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。。。

! y: v9 T- t  {, K+ a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）。

; z' w( `" g: H有道理。
6 m# ~. c; o) C5 w) c1 [, g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。
% c# C+ j% W' f8 r5 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
5 ]" r; I* A. J: V3 J' S8 C有道理。
) V9 w$ J9 l: P6 }: G' M( S* I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 ...

% A' r9 A" A9 c3 r! f: V$ J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
( J7 O7 n5 a$ a" S% V; g" 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
+ ?% d0 P& r8 Z* T+ y/ M这个不是这么比的吧。。。
# Q+ i1 P' i; B# x7 N8 ?
( G6 \6 M$ [# u9 c5 R( u( \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

9 j7 Y8 n4 m( N$ ^. D! O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
2 p' o" L: d* ?* Y) {6 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 ...

  V3 @1 L& U) |7 o4 u6 N, c
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。

6 P- w4 E- f& y7 O* 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。

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; ^2 k
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

7 A5 U( O7 L$ V2 |# n

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 ...

8 i+ M" n( _$ C' 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。
! M8 h3 w) M) A* X6 b# n0 y# @
" v/ n6 w: O' E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 ...

& X3 p! j* K+ m时间差一倍的结果可以接受。

9 r$ f4 ^: Z3 _( F  c, I, ]1 O' l' b你还是用profile工具看看吧。现在大家都主观瞎猜。

数值分析

8 _1 b0 B; P7 t# @2 g4 m

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 ...

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
能不能把这个也贴上来，看看和上一个有什么不同？

- E! e' r7 m& j& f理了理思路，重新做了一个测试。
: }0 w4 |: U# u3 T* z* l. T! L做了两个 vector 和 两个 float *, 都长 100000
3 }2 B3 m+ V+ e& J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.
" B( I7 J$ q' ]1 |
0 V% v  Y% f9 p! O1 G内循环试了4种方法，
1. 直接调用 vector inner_product 247s
5 e" X% H3 \: e5 _2 d2. vector 循环点乘累加 237s
9 s/ p9 P8 V- H3. float * 循环点乘累加 204s
2 M, y! J+ p/ f7 J7 B% ]9 m3 F4. 空循环 100000 次 202s

不做内循环 200s
; h8 D7 _& D+ G- e
你昨天说的对，内循环本身占比是很小的，大头在其他处理。
1 @# D: A8 O. N3 X/ J$ {2 z$ I另外可以看到， float * 循环点乘累加 并不差，比用vector 还更快。
4 g' w' O7 k7 C$ j. {
; ~! U9 X- B' N$ O! \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）
7 i3 T$ p5 e. y. K6 g
（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）
0 e( F* i+ W8 e

        std::vector < float > vec1(N);
- P8 g: b5 Q) S6 s2 ^        std::vector < float > vec2(N);
        float* b1 = new float[N];
        float* b2 = new float[N];

        for (int j = 0; j < 6000; j++)
- P# {6 Z& M' ]3 _1 U( o        {
                std::generate(vec1.begin(), vec1.end(), []() {
/ v% K9 z( Y" C& a  X; t                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
# B6 b6 F* ^; T1 t                        });

                std::generate(vec2.begin(), vec2.end(), []() {
                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
' K: M$ Y9 ?; Y* {( g; I                        });
1 N- X9 q1 w, K+ y" [, Z7 C+ j
0 ^9 R+ T5 Z, S* h4 Y# H9 S) j0 d                for (size_t jj = 0; jj < vec1.size(); jj++)
                {
                        b1[jj] = vec1[jj];
9 r* T" Y* K* @                }

                for (size_t jj = 0; jj < vec2.size(); jj++)
                {
! M% z4 Y, }) R2 C! ~                        b2[jj] = vec2[jj];
* @' O$ F" K4 ]2 ^) B6 E- r                }
+ v" e3 [0 K' t% }3 Y# N
                //Method - 1  N=100000 247s  
                //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
                                
                //Method - 2  N=100000  237s
                /*
                for (int jj = 0; jj < N ; jj++)
                {
) Y. m0 f! k/ T! l                        fresult += vec1[jj] * vec2[jj];
                }
: C- r4 w% m/ G+ K6 s                */
                                
                //Method - 3  N=100000 204s
                /*
                for (int jj = 0; jj < N; jj++)
  }; y9 G: [0 k  t' P! o! r                {
                        fresult += b1[jj] * b2[jj];
2 R4 s0 m0 B; p. M( Y9 b9 P) C) K                }
" W" u" F( q3 w# ]% {                */
6 Q4 R/ O' w/ ~; e
                //Method - 4   202s
) F2 d8 ~( f8 [0 y$ m9 K' R3 ~                /*
, Q% g7 S) A3 \; V6 T) y                for (int jj = 0; jj < N; jj++)
                {
) _* W# u, m; r) r                        
4 n4 `1 v& A/ C7 ^" {                }
' e7 Q2 P2 M3 G1 K                */
                //comment out all methods, N=100000  202s               
        }
+ R! Y+ l2 P5 x2 f! B' z* N' e
        delete []b1;
" e2 @( Q, o) }4 a; E! I5 L        delete []b2;

/ H# E5 B' K6 ]5 I

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？
: D' _/ S; C9 S1 n7 B* @
# u! ~6 |) O7 `% Q8 d6 ?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？
6 n5 n2 i. u2 s. Z

雷达

机器猫 发表于 2022-9-27 00:15
$ G5 V6 a3 \& j  l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？

7 {: n" x2 h$ h. u7 M0 [- p. K你第二个试验里面的j在循环里面又重新定义 ...

8 {) X# f( d: {& q9 n, i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
$ p& }; |; @4 p& i
# E' z8 K8 ]1 ?2 W# L- Y6 l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
8 T2 i% m& u6 r, x3 ^6 m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
. h% d! f! t, `* a& E9 h" l8 c
不和它 ...

  }3 v9 D% N1 ^+ b8 q
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。
8 h. C- R& w) [1 j6 d+ o, M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 @$ T4 b2 k4 }+ a/ g7 l$ K$ F        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。
4 T% p8 E$ @, B3 L$ Z& g/ U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。