C++ 提速的新发现

雷达

C++ 比 Octave 慢好多，怎么破？
4 k. K" c& z/ ^. R- u
0 _5 M7 I! o+ m' X/ O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。
1 ?' ^0 d' l5 ^- c
欢迎大家继续讨论

数值分析

拉下来？拉多少？
" s+ ]$ X! j. S把代码贴上来看看？
) D( \% E( S, s' Q
* g/ a( i( G  d; q$ [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

6 n8 i8 Z& y) Z" T9 s' l" I+ e

数值分析 发表于 2022-9-24 23:04
拉下来？拉多少？
, M3 w. F+ h$ j# B把代码贴上来看看？

) J" _& T! E+ p+ z1 _void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
" v5 o- X+ I# i* v{
        comp temp, xtimesy;
        xtimesy.re = 0;
4 v% Z* d+ R1 i        xtimesy.im = 0;
9 D$ n0 ]% F' o- J        int j0 = lenB - 1;
3 H( _  c5 C2 d  h6 c        int    i, j, i1, reali;
        if (lenA % 2 == 1)
2 M  R- W# _; o+ K$ J% r# T$ _                reali = lenA + 1;
  Z- ~1 }; s' t7 w  M' c2 }8 o        else
                reali = lenA;
        reali /= 2;

* T# _/ J, q; E* v0 [- B/ I( V        int nconv = reali + lenB;
        //#pragma omp parallel for
2 y, N% @6 V" x# [8 p8 P  f! q% b        for (i = reali; i < nconv; i++)
+ w3 r6 P. a3 x        {
                temp.re = 0;
                temp.im = 0;
                i1 = i;
                for (j = j0; j >= 0; j--)
                {
$ ~) c# [; j1 P( `- Y  i                        /* floating date operation */
                }
- I8 A1 J% R$ e. B        }
; A4 q% C/ \) H9 c}
) V/ s$ p& U) S# w( o$ V5 c& V
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
% n8 g: y* {1 [2 j9 m3 y) H
6 P3 ^; a+ J" b6 o( T& J; l6 O: w红色部分是内循环，现在其内部操作都comment out 了, j0大概是 6000。
! Y8 x! T3 C! ~) l$ B0 L现在call xcorr 100次，耗时78s.

0 ^! r0 J: z, e9 q7 j如果把红色部分内循环本身完全comment out， call xcorr 1000次，耗时 <1s.

8 Z& K7 k" B! t1 n

雷达

风雨无阻 发表于 2022-9-24 23:33
4 A/ q. @# I8 ]Maybe Debug mode?

3 J, n: y( ]8 b( d* z不应该，看我上面的回复。
% x9 K" P1 n) v
. D# W! W5 t% J: g$ R1 ]8 S我更怀疑是 VS 社区版的问题

数值分析

9 Y/ a2 _9 m/ Z( g* R6 I

雷达 发表于 2022-9-24 23:54
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
2 T5 {1 m, A2 E. G' W{
, r  h2 a: ~. v; n/ X0 f        comp temp, xtimesy;

8 I( g" ~; g; L" r( N2 U9 l: }: G0 i
( [7 @3 E, Y+ M! _: i" L+ l这个不是这么比的吧。。。
9 b# M2 P' d; j. w
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）。
9 v0 S  {+ n0 n0 ~0 R" M1 G; M, d$ j
) c+ d9 W9 L/ J# a' T* D$ a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。。。
  }# B" N1 w" S9 ]
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）。

, s8 r- S& v. L9 E0 d$ ^# I( N
: B/ e0 ~* a# V3 W- T3 Y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。
2 }  d1 m7 {) O' p( y: h+ P; I+ `9 x
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
3 z3 S7 W/ P" V+ j' t' i- V) w3 w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。。。
2 Z6 B; T$ U+ v1 ?
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

8 }7 o8 |' N( X

沉宝 发表于 2022-9-25 01:48
; E' O; i' B+ D% u; R/ q# L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 ...

# ~6 J& ~: l' O6 ]' v( T是的，兄台说的对。
3 {+ u, v% o7 ]
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。
" S: d  r- X2 h# A9 m( D: t5 V) f
9 [0 Y" D! 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。
% Q1 Q& H; n- V' F: D( 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。
: I( O% q- g; L' y/ E/ U4 T
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
- q; ^% s0 f* s/ b8 E9 h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。
! M1 d2 h6 B: }8 v) k% v) L
( n+ Q2 O! u2 f, p& W' \8 r. W6 I* o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 ...

8 Q: h; s; X; J6 q时间差一倍的结果可以接受。
$ a8 A7 \; ~' |, b! R: ^1 G! I9 b
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
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 ...

  Y' L& c3 u1 |

# c" H% k# Q6 O- h9 H: L7 U能不能把这个也贴上来，看看和上一个有什么不同？

雷达

* \. N" S, ~, V' N4 L

数值分析 发表于 2022-9-25 14:58
1 m5 k/ E  v  U" p7 X6 V* w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.

, M4 v  U  J2 G0 L) G8 S内循环试了4种方法，
, w3 m+ E- K& e6 n1. 直接调用 vector inner_product 247s
2. 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
3 N  Z: a) V6 \7 {
' p' f! a3 ~& n& _4 M# ]你昨天说的对，内循环本身占比是很小的，大头在其他处理。
! `; q& l) [2 Y: D" `另外可以看到， float * 循环点乘累加 并不差，比用vector 还更快。
* s! d& {! G" Q9 E- P
" G. ?% c+ h# N* l. S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）

（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）

        std::vector < float > vec1(N);
0 O% R6 z3 s6 L( I' ]& Z        std::vector < float > vec2(N);
        float* b1 = new float[N];
        float* b2 = new float[N];

        for (int j = 0; j < 6000; j++)
' U; w5 Y3 e( b' {! s        {
/ O7 @! e8 X- q5 M% U; _                std::generate(vec1.begin(), vec1.end(), []() {
                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
                        });
( D& F. r7 O' J$ M# p0 Q# @
6 [! ~+ c! S+ Y7 u                std::generate(vec2.begin(), vec2.end(), []() {
                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
                        });

                for (size_t jj = 0; jj < vec1.size(); jj++)
5 q9 m2 W" v5 A. [2 Q, V- G6 ]                {
                        b1[jj] = vec1[jj];
8 s& x- Y  a/ N$ H                }

3 `5 ~" I& ~8 q3 K/ U                for (size_t jj = 0; jj < vec2.size(); jj++)
% ~. p7 p) N: b3 p8 S( m                {
& W/ p: Y- z$ l- W/ Q* f& w                        b2[jj] = vec2[jj];
8 W2 r5 I5 t. m* o/ S3 k. W( E* }                }
  R! }/ [7 M* g: @5 @, H
                //Method - 1  N=100000 247s  
                //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
" H) \1 C0 g& C- R% P                                
                //Method - 2  N=100000  237s
9 L% }: ?9 t" S% H" }9 K6 b                /*
                for (int jj = 0; jj < N ; jj++)
                {
                        fresult += vec1[jj] * vec2[jj];
3 c6 D: c) {1 ~* W                }
) F# X* i/ n( `                */
' O0 Z' S6 i3 E$ Z" k/ l                                
                //Method - 3  N=100000 204s
! ^5 o4 O; G3 |2 j9 q                /*
                for (int jj = 0; jj < N; jj++)
                {
                        fresult += b1[jj] * b2[jj];
                }
                */

& Z2 ]7 ^! X- G                //Method - 4   202s
; U5 e* ^/ [% J                /*
                for (int jj = 0; jj < N; jj++)
. U  M0 k* @& [! \. I9 K" f3 |                {
* {& z) ?( [$ g* \8 i                        
                }
                */
                //comment out all methods, N=100000  202s               
        }

        delete []b1;
        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？
  [" N- y6 s* l+ ?: q) t8 h; z
2 e- u! l6 K) G, V6 Q, a, o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？
7 w; O; x8 C6 ^8 }4 D1 P

雷达

机器猫 发表于 2022-9-27 00:15
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？
1 S; |( i* X8 Q1 r
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

$ G3 P) L2 G9 o. B" b) E1 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
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

3 X" W% ~& p, ~7 G& `. K+ E不和它 ...

/ }9 X( W( h( B; [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
" A& t) a. L* z: V% y+ D: Uvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
        comp temp, xtimesy;

; D8 z2 t- E& O2 S- Z8 p9 y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？
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。