C++ 提速的新发现

雷达

C++ 比 Octave 慢好多，怎么破？
: U) K/ g2 I8 q6 H) T% f9 }" V! ^
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。
: o' _: F  K6 s9 H. |1 l: F. P
) U; Q+ [4 y, b8 a速度优化问题真的很有意思啊。

; ~7 Z. |- c7 k; Z1 M/ Z. z" v欢迎大家继续讨论

数值分析

拉下来？拉多少？
* _. `' l- ]# y) _9 }% d把代码贴上来看看？
3 Q, r4 L9 w, q5 G
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？

void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
7 I  N" h1 O! I) o! ~! B. J{
9 C9 r* ?/ \- S4 P; y        comp temp, xtimesy;
        xtimesy.re = 0;
  j. a' n' {+ u) z/ U1 z* Y        xtimesy.im = 0;
        int j0 = lenB - 1;
, c/ o( M1 Y; Z3 c$ V9 t' j8 C        int    i, j, i1, reali;
, j( z# C9 ?- S8 c4 w        if (lenA % 2 == 1)
. s8 J6 j7 a0 I( u/ [" i# K# @                reali = lenA + 1;
" n) q2 o* D* `7 k: Y- g        else
                reali = lenA;
# Y% d8 v/ d$ H( C        reali /= 2;

        int nconv = reali + lenB;
        //#pragma omp parallel for
        for (i = reali; i < nconv; i++)
  C9 T9 j; W. ^: \- ~$ _% @: z9 \        {
1 A* f- Q/ p' M$ E0 b                temp.re = 0;
9 u' }+ T" }+ S; X                temp.im = 0;
" f* d9 {" M* _                i1 = i;
; x/ W4 U2 f/ _& L                for (j = j0; j >= 0; j--)
/ x0 q2 q6 Y1 v+ l                {
5 W% @  j" E8 W* I$ T                        /* floating date operation */
                }
, s  X8 I( D8 B9 x' }5 I' h2 u        }
}
# G7 Q1 z$ N7 a( }* @
! t/ t0 c4 d7 r+ t+ ?( d- X3 ~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

; O  g" [7 ]* `- U  s& t" 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。
现在call xcorr 100次，耗时78s.
4 v" L/ o6 f. K* `% g/ T
+ ]+ c- V/ S  a如果把红色部分内循环本身完全comment out， call xcorr 1000次，耗时 <1s.
1 C; V' \# ]" A: Z" u- C; ?

雷达

风雨无阻 发表于 2022-9-24 23:33
# _- ]! }; L$ rMaybe Debug mode?

- }0 y/ g1 ?0 b$ i不应该，看我上面的回复。

% c4 i; [! j8 o: q3 i1 d我更怀疑是 VS 社区版的问题

数值分析

  r! |( _0 F' S% J; s3 q& o% @. A& I

雷达 发表于 2022-9-24 23:54
0 r' H* S- W# P) T# dvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
0 X5 q$ [$ R4 z  K0 M" w{
        comp temp, xtimesy;

这个不是这么比的吧。。。
' A/ z% F% I" o% q) u; t! k, R
7 V+ E  F: r  ^2 X' F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 X: `6 }7 H8 e* K7 x! w) s$ Y
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
. I4 h' M, F: M; J& n. G5 \1 B1 p这个不是这么比的吧。。。
* J# v9 d5 q' j0 r2 h3 P( 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）。

( A/ T5 t8 ~( V4 T: g3 R有道理。
; J# V5 [# h& L- I+ c8 n. u% G- N% d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
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 ...

1 r* G) J  t0 _- `  v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。。。

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

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 ...

" `- B+ L8 |8 c8 M7 b
是的，兄台说的对。
! _! v* B1 z, x$ D' x4 ~+ y( k
" E& x, j( {  M& x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。
+ R2 b- \2 B0 [# f8 j& H  S
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 h& }! c6 d4 S2 r2 r
* j7 ?( q) O1 G5 |" |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。
' c: K2 k4 Y* u) S; @7 V8 }. L
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 ...

/ x) S; u: G% m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。
; x9 f9 c$ U( k. t) b' o9 i% e! _( J: l' j
$ ?; p( P' \+ Y, X( p我已经完全懵了。

沉宝

雷达 发表于 2022-9-25 04:47
7 F. |9 Z- Z  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 ...

- U( q' C; }$ g# w时间差一倍的结果可以接受。

& R, H' {  Z+ H0 v) m, I0 g你还是用profile工具看看吧。现在大家都主观瞎猜。

数值分析

9 |# ~7 l5 d% y  C; J( o2 l& u

雷达 发表于 2022-9-25 04:47
* H* [% x+ W( x' x; n1 `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 ...

; |1 i: v/ x% c/ |# }$ m( \
2 B, a! ~+ T6 }: V
5 P" y" i& L7 p7 ]5 @" U
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？

. `6 x; Z+ `8 _, @: {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
# n+ U8 S* H" o% x+ ?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.
& u4 A& x; I/ |; s3 D8 c' Y" G
) }- \: g% d' y内循环试了4种方法，
1. 直接调用 vector inner_product 247s
: m) J9 ?/ F; n0 G& e2. vector 循环点乘累加 237s
3. float * 循环点乘累加 204s
4. 空循环 100000 次 202s

不做内循环 200s
" R) Z' E# {1 x7 ^
你昨天说的对，内循环本身占比是很小的，大头在其他处理。
- K! K2 G( G4 K# G* ^. C3 q( W. I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）
$ c8 ?/ O# ^" D6 u' k
  [1 d  ], w; |5 @3 T% _2 @（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）

+ k7 _2 T6 P: W% S# A- }7 s+ i) Q. a

        std::vector < float > vec1(N);
        std::vector < float > vec2(N);
) J/ |( X$ M6 e/ v# [        float* b1 = new float[N];
        float* b2 = new float[N];

        for (int j = 0; j < 6000; j++)
( c+ s9 F) e6 x( u9 Q! f4 _        {
( X) G; a$ M3 Y! M9 c. k                std::generate(vec1.begin(), vec1.end(), []() {
$ I, H1 T' T+ e. b7 F! m) d( l                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
: P( @/ X: V" y5 l9 [5 |7 U                        });
2 H3 `+ t4 S; H
  g' T) _2 E/ b0 ^7 k, t; h* B5 \                std::generate(vec2.begin(), vec2.end(), []() {
                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
0 U! ~! W& Z# `: X                        });

                for (size_t jj = 0; jj < vec1.size(); jj++)
                {
3 B. o/ t8 c& ?( z  E3 K                        b1[jj] = vec1[jj];
                }
  G8 e8 N" T" @4 }9 @7 f
                for (size_t jj = 0; jj < vec2.size(); jj++)
                {
! i7 `) l: [: U9 }* C( s- l7 R6 f                        b2[jj] = vec2[jj];
                }

                //Method - 1  N=100000 247s  
                //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
. i! E4 m& o- P  N7 Z' F                                
& u" G1 ?$ v$ p                //Method - 2  N=100000  237s
                /*
* R' e) Y, Z* C: y+ u; `                for (int jj = 0; jj < N ; jj++)
                {
. H% w$ A$ M! n$ b' Z& Z                        fresult += vec1[jj] * vec2[jj];
                }
+ ?6 w1 f) H' m                */
/ s, l, e: R3 \" ?8 A                                
                //Method - 3  N=100000 204s
0 m3 p; e- b2 Z* d8 z                /*
2 Y1 b+ x9 n* C( R2 B4 i6 ]                for (int jj = 0; jj < N; jj++)
                {
                        fresult += b1[jj] * b2[jj];
                }
6 U" ~0 y; d* a7 R" p0 T                */
1 n; N* _& K6 m
7 T3 N& P, I0 ~: c& I6 Y7 C                //Method - 4   202s
# b' S6 h7 L: V* B                /*
) u5 P4 P9 Y$ M7 A" c  M  P! I3 g                for (int jj = 0; jj < N; jj++)
' `& c1 P( N  p+ f- e                {
/ d- S6 q% I! d                        
                }
2 X3 X4 H7 {) H& X                */
                //comment out all methods, N=100000  202s               
. C6 E$ L! o& I: D" p- w        }

% W8 D5 W4 M* P0 p+ f  q2 \3 c        delete []b1;
' o& h3 T# w* @- ?, i        delete []b2;

7 z1 ~" `: ^# ], R

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？

# g* K0 W; S& M* _/ J( A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
" N" ~# y/ i! J( B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 ...

$ j% v6 O. L1 F6 a$ E/ g6 B  Q; J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

: g$ E1 f- d$ {- G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

# \1 B4 V6 y9 L4 ^; p# s5 B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
( ^; k' N* O* D- v+ qvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
$ C1 z. ]' \& b& m* W: w{
4 B7 K6 T8 U8 k0 z% }+ ^" C' T' j        comp temp, xtimesy;

3 ?- `2 J4 @3 q0 G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。
1 v, m3 l7 ^7 S* ^' h3 F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。