C++ 提速的新发现

雷达

C++ 比 Octave 慢好多，怎么破？

3 l: f1 r/ y: K( W! t, x2 s  q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。

$ G# {& ]: J" b9 B, q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？
6 S; e9 p/ \  h* g* Z) F, d
4 y* e3 ]% s- \% N# y! e7 |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

; d8 b0 P  [! n* B' ], G, j4 ~

数值分析 发表于 2022-9-24 23:04
5 u2 Z  c- r' @4 ?, P6 _* c. F拉下来？拉多少？
* F" e! Z' x8 l7 R; G把代码贴上来看看？

) C  b. i. Q  P& q* I
: Y$ t8 K2 i* g# V! _void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
! B; x$ J# t7 n7 i{
7 h3 p0 ^) \+ t% ^9 U        comp temp, xtimesy;
        xtimesy.re = 0;
% S+ L; p& z) O+ T6 z. C& i3 Q% M        xtimesy.im = 0;
        int j0 = lenB - 1;
        int    i, j, i1, reali;
        if (lenA % 2 == 1)
/ Z0 w9 I6 Y, `5 }                reali = lenA + 1;
        else
                reali = lenA;
, h* B/ s2 k8 ^! M' z4 o        reali /= 2;
! l# z8 C( W  r. f- @# n  f8 {
        int nconv = reali + lenB;
        //#pragma omp parallel for
0 n) ^8 w2 ?9 G! L( b1 {        for (i = reali; i < nconv; i++)
        {
8 ~0 A( S9 a# ^5 Y2 j+ I  a                temp.re = 0;
                temp.im = 0;
                i1 = i;
                for (j = j0; j >= 0; j--)
                {
3 e6 k) q6 i3 z  n' W                        /* floating date operation */
2 F6 Z! ^8 P" b/ \                }
( p  Z* w) K- D: K6 V3 e$ y6 P        }
6 Y* I4 T& f, }2 i2 K& h& Y}
' W2 J8 e' h& l7 _4 \
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

5 X; z9 [$ A- N/ Z; }红色部分是内循环，现在其内部操作都comment out 了, j0大概是 6000。
9 T& s+ V+ c+ G1 N, f现在call xcorr 100次，耗时78s.

如果把红色部分内循环本身完全comment out， call xcorr 1000次，耗时 <1s.

. _* l  [! Y; N' k7 m

雷达

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

  D4 Y( N, o  t; [6 ~* ~. V
* z1 |* E' j  z  o6 f  K不应该，看我上面的回复。

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
- z- `1 T3 G5 r6 E9 b9 Gvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
) f) G9 P* h8 l{
        comp temp, xtimesy;

1 C3 B4 X9 E6 e4 D( B这个不是这么比的吧。。。

; j0 S4 W$ J8 O' t' r. j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）。
  M8 ~  @" ?7 X5 X( `9 H$ u
7 V: V9 e# }8 T) \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
8 f3 w. H% q$ w这个不是这么比的吧。。。
! @/ `  f  l5 _
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）。

, u: ^3 ~+ }& }/ r8 ]; [
2 S: J3 c6 b( U8 L; o6 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。
$ X$ z% c% d" ~/ A9 [( y
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
" k) M& j1 `- `9 ]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
% E3 N! X/ M# s) z0 g  Y' bWhy 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
+ g9 G" `) P" a! v% z这个不是这么比的吧。。。

: I# U2 x5 _6 X, v' 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）。

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

5 g& h' r7 H: B. H( T

沉宝 发表于 2022-9-25 01:48
# d% k" r! n# S" r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。
6 Q$ z+ E1 t  d
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。

1 W" N9 X  J7 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。
& Q! p0 {# c( N; k+ x  A3 P
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。
- n  l) b  E/ Z( w; c
! c+ ]: t8 q6 g: 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
$ k( ]6 Z; G) r  |% }. D% 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 ...

6 S: Q% j& n" y- r) x' D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。

. h1 q6 q9 W) u0 y' z  u- n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 ...

时间差一倍的结果可以接受。

# ?- D- {" _8 z, J$ x4 p9 e你还是用profile工具看看吧。现在大家都主观瞎猜。

数值分析

8 G3 c; r, f. y% M2 \0 N

雷达 发表于 2022-9-25 04:47
' k* E5 s, T  Z3 n) Z7 p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 ...

$ P0 D7 N: k) ?0 a
, F* }4 W: V# p2 Y# h9 J

" n6 s/ t6 r+ M# T0 K* g& L能不能把这个也贴上来，看看和上一个有什么不同？

雷达

1 t# A( k9 ?4 p$ A* C' k$ c- E

数值分析 发表于 2022-9-25 14:58
8 \; z# g  e' f3 {能不能把这个也贴上来，看看和上一个有什么不同？

7 D$ V0 ?  c/ g理了理思路，重新做了一个测试。
0 c! S2 y; g3 H: H" [8 g9 w; o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.

! j5 H+ b8 d& Y3 D5 q内循环试了4种方法，
5 ]% B: n1 s0 {1. 直接调用 vector inner_product 247s
* z. Y6 B, N* p2 [2. vector 循环点乘累加 237s
3. float * 循环点乘累加 204s
, f/ i2 i+ K4 m$ K# r/ [/ t2 _4. 空循环 100000 次 202s
; ~8 w% i$ Q5 H8 R
不做内循环 200s

' v: W9 [2 K9 V- s" I你昨天说的对，内循环本身占比是很小的，大头在其他处理。
: ]) ~! h; f1 i( D另外可以看到， float * 循环点乘累加 并不差，比用vector 还更快。

$ \3 V' o: l! k" _. K3 }- }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）

! B& U; H/ _" v: y（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）

  B' Y, t/ z# C4 [1 v9 m; F( `) X4 _

        std::vector < float > vec1(N);
" [4 F4 _9 f- k: W        std::vector < float > vec2(N);
        float* b1 = new float[N];
        float* b2 = new float[N];

3 @$ J3 h; W1 f7 @        for (int j = 0; j < 6000; j++)
* |/ R  q, S( p* |        {
! H* e. c- |. N7 W$ u9 z- n) h/ O                std::generate(vec1.begin(), vec1.end(), []() {
" Q. _, c" h( v/ a7 L                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
                        });
4 }: f7 |  D" Y2 q- m
; N3 U6 y$ I2 S9 @, ~& a                std::generate(vec2.begin(), vec2.end(), []() {
                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
9 B, |6 `+ T- M3 K                        });
- `) k0 T! E2 c! O9 y- {
+ k* Z# `7 |" x, f& p; |1 k" Y                for (size_t jj = 0; jj < vec1.size(); jj++)
                {
& e5 U, O7 r: D' T  M7 L. \8 p                        b1[jj] = vec1[jj];
                }

- J% u- K$ c. g/ q1 A4 \8 ]& L+ t                for (size_t jj = 0; jj < vec2.size(); jj++)
5 O2 O* W8 r8 a  t: A' F2 I5 Q                {
                        b2[jj] = vec2[jj];
                }
7 F( f$ P6 A9 v/ c: w! G
7 o8 ~$ x, G( h$ ^. I3 V% W. j- f4 r                //Method - 1  N=100000 247s  
                //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
# Z/ t. O+ s, d1 R+ D2 A                                
                //Method - 2  N=100000  237s
                /*
                for (int jj = 0; jj < N ; jj++)
                {
                        fresult += vec1[jj] * vec2[jj];
                }
                */
  z/ ?1 q2 E3 x0 E! f1 x5 A                                
                //Method - 3  N=100000 204s
1 [: W. W/ f, u8 N0 ?                /*
6 C) {6 Z! X  j; y5 L1 o                for (int jj = 0; jj < N; jj++)
                {
                        fresult += b1[jj] * b2[jj];
                }
                */
' R# F+ `$ ?- L* _
                //Method - 4   202s
+ ^$ d, q4 T+ _                /*
2 X8 ?; Q: B' }0 ]: n/ F6 I                for (int jj = 0; jj < N; jj++)
                {
                        
, y4 m; @0 o+ J( F* H) c/ P( y4 c) w                }
9 J; a" u" i* n9 R0 j$ P                */
3 w; j8 C2 h, G  ~+ n# l; S                //comment out all methods, N=100000  202s               
1 Y$ r$ n3 m3 k& P        }
1 |: [& q  b* n/ I& @
        delete []b1;
$ d. T& J1 U" L$ x        delete []b2;

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？
# B$ ~: c$ ?: m2 o0 R) C1 {! O

雷达

机器猫 发表于 2022-9-27 00:15
! ^* y# \( l' T$ R, p$ L6 \& h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？
; ?/ k6 x8 x: n( V7 s2 W
9 q; W; s5 P3 k$ W, J, P" J, B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
& k) u9 b/ E- D  L* X( w1 o
, ]; B' b3 X! K8 {7 P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
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
4 ^7 X# z7 S) Y{
        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？
# X! N1 J1 n. a+ Y; K% AVS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。