C++ 提速的新发现

雷达

C++ 比 Octave 慢好多，怎么破？
; h9 E/ G9 J1 N) d5 v$ J
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。

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？
4 p1 v+ R, y+ W1 E0 Q5 I. R$ _把代码贴上来看看？
/ a# C5 B$ d% ?
& B1 `1 g  [* e# 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？
- [) R5 ^- |# \9 `- R, V把代码贴上来看看？

6 r; j1 z. C1 ]void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
! P; D4 Z5 T2 a) o, ~( {{
        comp temp, xtimesy;
        xtimesy.re = 0;
        xtimesy.im = 0;
% j) j& v2 L- H  \9 z8 ~* F        int j0 = lenB - 1;
        int    i, j, i1, reali;
) o7 g/ n( e0 \6 f( `        if (lenA % 2 == 1)
4 p  U: I9 W6 P# U& d                reali = lenA + 1;
0 J+ P  o4 Y, D  X        else
8 }1 I; E+ N3 u) o                reali = lenA;
        reali /= 2;
, j6 M6 |# x; B0 P9 f
        int nconv = reali + lenB;
- J% R7 J4 a1 q2 I0 c; m        //#pragma omp parallel for
8 i* S8 q# R* B0 f4 \( H! K        for (i = reali; i < nconv; i++)
- k* b% p* U3 x        {
                temp.re = 0;
                temp.im = 0;
                i1 = i;
                for (j = j0; j >= 0; j--)
* v3 h  p0 D" L' h                {
                        /* floating date operation */
                }
        }
}

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 {! K+ b) w: @( Z; s+ I8 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.

* ]$ G9 F. {3 C& D) d如果把红色部分内循环本身完全comment out， call xcorr 1000次，耗时 <1s.
: a" Q# y, C$ s5 L+ [

雷达

风雨无阻 发表于 2022-9-24 23:33
* g7 }  c4 [6 X* S& X8 L8 F9 JMaybe Debug mode?

不应该，看我上面的回复。
: m" f7 o1 ?5 D) g# s; A$ D2 M8 w
3 o; R" I3 N& Q: j) h2 W# }* m: S0 w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
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
) {/ W1 ~7 V1 o( A  F2 C- W: }{
        comp temp, xtimesy;

0 V* l( G3 P# j% }/ _: ]这个不是这么比的吧。。。
1 S$ m# R+ [2 D
' E. ]6 z! o. q, Y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 S) B- Z6 J2 @7 N* H
2 U! J, `7 U, i2 s$ k( n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

# Y* U4 J) Q' x' T

数值分析 发表于 2022-9-25 00:20
  {6 w; i) `, Z2 L1 W2 O/ B这个不是这么比的吧。。。

( h8 p1 _- T3 s3 v0 e, _& \/ I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）。

4 L/ a5 z( R& R
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。
& ~% q+ m, B& X9 g8 w
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 K- @4 F% S; w) x% M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
  W( }, R% T9 d7 d9 P. f; D* W$ ]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
' e" K. J; b  Z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

& v. p8 _. g7 V! J5 J, P
7 {1 f: ]: b0 s6 _: {2 l6 S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 ...

是的，兄台说的对。

" w1 J  h6 n* K  r; R! ^# G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。
) p. n$ X) U, z$ _, C
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 v5 C9 o2 O. ~/ d# I/ M& K. Y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。
, F. y. f3 z) a) V' o  O
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
7 G. F) O# j: L3 J: {' N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。
( b/ h# d8 q/ u
( E8 h7 ]  ?& C% }* ?5 o% O, ^4 [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 ...

- N% }. u8 b3 \时间差一倍的结果可以接受。
5 J. K& `  Y8 q$ m; b) ?
' e! @6 o: h$ V& O2 Y9 l/ a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
- ~! K" \+ Q8 z) c, n" |6 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 ...

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？

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.
) [* ]3 N- Q2 O- ^7 G& ?9 e0 d' A$ `$ l
内循环试了4种方法，
0 ^. W, Y" t& m* _% q1. 直接调用 vector inner_product 247s
, {9 I, O0 h4 p& i  D# R& ]  e2. vector 循环点乘累加 237s
+ r1 o: m2 g, U  S% Y* y3. float * 循环点乘累加 204s
0 D' ]$ A& P6 Z' A  _/ i& I4. 空循环 100000 次 202s
* K# i( C+ d8 ?4 K' f8 h
, U4 o5 }" z6 {$ y0 F/ y  d不做内循环 200s
' Y. v1 N: K) `
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。

3 M, B: i; F  @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）
8 x2 J0 f& Y) \  x9 `
) G1 M5 N+ ?; y5 V  }$ y8 I; R" U7 P（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）
, C; l0 u! k* P- @& ~
4 d8 y( s5 y1 a% X

        std::vector < float > vec1(N);
        std::vector < float > vec2(N);
* K0 ?. R$ b) q& `' _& H$ P        float* b1 = new float[N];
        float* b2 = new float[N];

# M' e& R$ f. e4 @        for (int j = 0; j < 6000; j++)
6 r% R+ r! a  E- n        {
' [! a4 G) C4 F, S) u2 Y                std::generate(vec1.begin(), vec1.end(), []() {
+ _" P: E: G$ J5 I7 j& Q6 B& J- A0 v                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
5 a/ {( D% w! D4 p" L( ~' w  y                        });
" U1 ]; k# u7 y) T5 X$ C5 p
                std::generate(vec2.begin(), vec2.end(), []() {
! Y0 T3 D* H" \2 ^                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
+ \) t2 |6 u. ~; b/ q0 Z' W                        });

. x/ t( V% d+ w4 j9 |+ ^; W                for (size_t jj = 0; jj < vec1.size(); jj++)
                {
                        b1[jj] = vec1[jj];
5 `" _8 `" c. v; Y                }
  Q# Y. a# r  L! c8 [, A8 A
+ E5 w% U* w' e2 G- P( Y( U& H                for (size_t jj = 0; jj < vec2.size(); jj++)
5 l# S% Q1 V5 l# h; q                {
                        b2[jj] = vec2[jj];
* X- j: P4 A1 ?                }
* B; a6 L2 V  \' G" k8 ?
1 b& Z! a& D+ A                //Method - 1  N=100000 247s  
, i( b+ o+ A, ~" g5 i- w                //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
! P( M' e6 a5 x' P                                
                //Method - 2  N=100000  237s
                /*
; z* t0 Y1 m% A) n$ ]                for (int jj = 0; jj < N ; jj++)
                {
8 Q$ |0 n$ O) M0 p# \+ y# v- J0 g                        fresult += vec1[jj] * vec2[jj];
+ R( A: A  I, f- @0 K/ e4 B7 Z" j$ u+ A                }
                */
6 G1 w$ R  D2 i                                
                //Method - 3  N=100000 204s
                /*
! [6 N- X& k. X, G' F# p# ]                for (int jj = 0; jj < N; jj++)
* _/ y9 R5 G  `2 ]& f/ L5 z                {
                        fresult += b1[jj] * b2[jj];
                }
                */
" @) Q# L0 E# a
                //Method - 4   202s
% e: t" @4 S% A/ y6 b                /*
- b: X- W% k. e% s! i' A2 f$ E                for (int jj = 0; jj < N; jj++)
1 d/ j  |5 N& ^4 q( B: ^                {
                        
5 `3 D0 w. K0 t& e8 }" B                }
                */
                //comment out all methods, N=100000  202s               
5 a+ k" m  d; F% ]        }
: ?9 N* Z9 C5 o2 q3 k* g2 W
        delete []b1;
7 N( _9 T6 E# M$ c& q$ V& b        delete []b2;

& w' E# b9 \& d; f

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？
  h/ O  _% c+ w
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？
$ ~# U7 ]' {7 I

雷达

机器猫 发表于 2022-9-27 00:15
6 b3 b- i; Z# h! O; y& M" y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？

; g3 _2 c- c4 x你第二个试验里面的j在循环里面又重新定义 ...

% ?3 h+ {! m; |6 B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

. p0 q; c% h( G% ?5 B' P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

不和它 ...

$ B# M7 N. c* j+ e) u) d! i0 f
1 `& O. I& a7 Y2 x2 K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)
: x1 v* N1 V* y" S) a{
        comp temp, xtimesy;

( V1 E4 L3 x5 ?" J' T1 d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。
' S/ ?# _+ F( t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？
6 g+ t0 x6 a5 J& {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。