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。

( f- Y/ ^1 ^' E2 |速度优化问题真的很有意思啊。

/ q. k% w3 V' N! ~; Y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？

9 K4 w5 L4 J2 v4 K! b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？
5 C$ M8 d0 N! d7 r1 z( A把代码贴上来看看？

$ k8 O$ K1 k8 o( u6 E$ _
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
4 d. o4 X' V& e9 I        comp temp, xtimesy;
" g9 s' t: J: ~$ G( }        xtimesy.re = 0;
- H& F1 F0 |4 o        xtimesy.im = 0;
" P4 E! I  J, Y% K        int j0 = lenB - 1;
        int    i, j, i1, reali;
        if (lenA % 2 == 1)
$ J) Q. Y( G" n! _9 I  c3 `1 ?                reali = lenA + 1;
        else
                reali = lenA;
        reali /= 2;
# \$ r4 u* e9 J8 g* t) k
3 e* G; _- {7 u8 i9 k        int nconv = reali + lenB;
        //#pragma omp parallel for
# o  `1 T7 ]4 t! @# X- t: C* l        for (i = reali; i < nconv; i++)
, k! S  V  G6 R3 N+ G; j        {
                temp.re = 0;
$ [" \8 r. V: G1 [& ?6 u$ `: B                temp.im = 0;
                i1 = i;
                for (j = j0; j >= 0; j--)
5 l, |7 k$ S8 C/ y/ [                {
2 h# t( G# P  B" R9 h                        /* floating date operation */
* ^- f1 O; D9 k8 v+ k1 G                }
) z0 q' K* D7 y9 n1 `5 C* E, C        }
}
) P' a( v5 I) I+ S6 Y  D
$ J9 O$ b6 \+ I, B* C. H2 `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

3 h. [* }( D# ?1 e红色部分是内循环，现在其内部操作都comment out 了, j0大概是 6000。
, q, }7 F; B$ `/ Z/ W# ]) I现在call xcorr 100次，耗时78s.
5 J& B8 M, V) a3 U+ m6 |
如果把红色部分内循环本身完全comment out， call xcorr 1000次，耗时 <1s.
1 T5 d( i" l0 `- k  M) M8 o8 q
8 t+ N$ ^6 ?. ]' v/ _( s

雷达

风雨无阻 发表于 2022-9-24 23:33
- `7 L: _- r9 ~, p% @, c" g# MMaybe Debug mode?

% |8 s4 ?- D6 ^4 o3 h不应该，看我上面的回复。
, F0 ?& S- o! ]6 p6 s2 W& h
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
6 B; G1 m- V, A9 m5 `' o/ r, Gvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
# `- p7 n( {( s* S& u. W' i        comp temp, xtimesy;

+ N7 x: k$ t4 O% p, c
这个不是这么比的吧。。。

" D- v" {8 V5 t8 L  o5 h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）。

8 ?/ z3 ^* X1 s. ^6 `( W3 V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

9 ^9 g! |: z9 k- _7 p9 X/ a

数值分析 发表于 2022-9-25 00:20
这个不是这么比的吧。。。
  Q+ b; G7 l  K8 y6 _# K: m
* J. N3 T: [: ]) P0 N% 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）。

1 Q( V( I6 w" e' L0 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。
( w  Q! @" y. B; A2 \! L
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
7 j' H) J8 {  @- @" A' W0 K( _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，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
这个不是这么比的吧。。。

6 ^4 G7 D  W: T6 o1 O! J7 [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

4 |; M6 S8 l+ u; @' u' x# ^: B
5 `& @- e$ W! Q8 E# o* B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 ...

  D! O3 L' }. q* g% `7 M
是的，兄台说的对。

& u6 M7 a4 B% C  [, u" A5 a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。
3 u5 B* N8 z) \& X, @  Z0 P4 j% {1 i
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。
' C4 P3 E5 z+ h4 a3 p, t/ d' j9 J" c+ O$ D
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

  k9 A8 v- G* w8 I( c; c4 P0 F

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 ...

# B- W2 \2 W  I$ w* z: e# C% B
3 Q; Y4 x7 e6 X7 A5 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，时间差一倍，我上面这个差的太多了。

( c  R) E9 U+ A1 D$ s1 P我已经完全懵了。

沉宝

雷达 发表于 2022-9-25 04:47
3 P2 u: H& h' ]* 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 ...

6 Q8 Q# w. C5 |/ r& V* |* Q时间差一倍的结果可以接受。
5 q2 ?$ Y: p  }
. I0 O, B8 u) ^0 _! q7 h. [6 Z2 @你还是用profile工具看看吧。现在大家都主观瞎猜。

数值分析

5 I' O" B- {7 ^2 ^5 {

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 ...

$ p5 p% ?5 o" c' ~8 R0 r
/ V" F2 z" @( E3 M: K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
' @% t1 X" ]; E" R3 l能不能把这个也贴上来，看看和上一个有什么不同？

# o/ v& h- s9 U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
9 Q' r: l, R2 t3 c6 K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.
; f4 P5 @- y2 R/ T: Z: Y1 \" u
内循环试了4种方法，
1. 直接调用 vector inner_product 247s
2. vector 循环点乘累加 237s
9 G9 e+ \3 i$ {2 C/ ^( F! T2 m  i) v9 W3. float * 循环点乘累加 204s
4. 空循环 100000 次 202s
  E% w/ C$ B! c) b2 f+ o
* g+ v$ J: n$ ?1 K3 o0 |7 X不做内循环 200s

& m/ ]1 Y$ P( Y% m. p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。

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）
! f" M' r" i3 ^) `
（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 |- T+ G, w& l; i6 u/ U

        std::vector < float > vec1(N);
1 R# |3 f. v- p        std::vector < float > vec2(N);
& {* R' \; p" ~; e' v        float* b1 = new float[N];
        float* b2 = new float[N];

        for (int j = 0; j < 6000; j++)
1 w# Z0 t' q9 b6 b. A$ m& O        {
                std::generate(vec1.begin(), vec1.end(), []() {
$ @- o* C) m) P, d+ P                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
5 V+ u, ~; ~: U# n: F4 D- k: N1 H                        });

: x6 }) l* K% U" g                std::generate(vec2.begin(), vec2.end(), []() {
                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
                        });
; {8 g) U5 g+ p+ Q  r. {& ?
3 ]3 L5 X+ ]/ e& N7 c" ?' ^: e& F                for (size_t jj = 0; jj < vec1.size(); jj++)
" {! q( j4 H) S$ p6 n                {
                        b1[jj] = vec1[jj];
                }
' u- C9 I+ y) \8 o/ _' u& U* G/ N
6 R$ D" v0 ^( q$ z                for (size_t jj = 0; jj < vec2.size(); jj++)
                {
) E) ]2 T4 U* o                        b2[jj] = vec2[jj];
6 H5 A) [0 G: J9 J* F9 w  d. [: I) @                }
7 [8 @5 X/ s2 {1 @9 W
- `/ E2 R% @4 v% C                //Method - 1  N=100000 247s  
                //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
/ T6 {: Y" h: {7 A, G  y                                
                //Method - 2  N=100000  237s
  K# G" B' u# _$ {% a                /*
                for (int jj = 0; jj < N ; jj++)
                {
8 y9 a* {& K+ n9 v* z; X                        fresult += vec1[jj] * vec2[jj];
: |% ~5 A* U: i% S  R, B; C* J9 z                }
* S, e4 ~) H$ R. R3 \                */
! {) R2 C' M$ _, \& Z                                
& _. A) i- ~3 M, j7 E3 Z- Y7 [/ A                //Method - 3  N=100000 204s
( B4 U9 {8 |7 j2 n  q                /*
                for (int jj = 0; jj < N; jj++)
* e$ Y# L: D" @# ~+ W0 ]                {
; ?8 {; x$ E3 J3 \                        fresult += b1[jj] * b2[jj];
                }
5 ^$ t3 t: h2 r& [                */
" I/ Q5 D) m" v. b
) r- v0 l6 y# u2 D" _  F; c, z' _                //Method - 4   202s
                /*
                for (int jj = 0; jj < N; jj++)
                {
                        
) F- T  F: Y7 }* o  I  h7 f/ n                }
                */
                //comment out all methods, N=100000  202s               
        }

0 c3 ]# h0 J* I6 ?+ {, C% E' s        delete []b1;
0 O- _: n* O( R% i+ x        delete []b2;

6 c$ C6 v  `/ v, ~

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？
* C, u) a2 K- Y7 w; R

雷达

机器猫 发表于 2022-9-27 00:15
/ R+ E3 i  i0 D6 X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？
, o2 }* h) e4 N+ d0 C) f3 |
/ R2 Q5 Y, X( r& [5 |7 r5 J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

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
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
8 w; ?) f( \2 A. k. \
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。
. N2 D* A- @9 w' o: V4 [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;

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。
( ~; G& w2 u5 ~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。