C++ 提速的新发现

雷达

C++ 比 Octave 慢好多，怎么破？
! q" y) B0 Y7 J1 A
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。

6 f% P; j/ H, q* b+ _4 a# n速度优化问题真的很有意思啊。

: X/ |( V. i3 f4 u! W& ?) K( Y$ U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？
+ E5 G) l6 C  L
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

! G0 X( H2 r7 q( Z2 A- v% s$ |

数值分析 发表于 2022-9-24 23:04
拉下来？拉多少？
" ^6 |& j) m, Q3 E/ L& s# Q把代码贴上来看看？

- @& m: ~# E5 w2 ?6 {
- g/ Q" `/ F, Evoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
4 i+ s0 i- V$ l7 V2 c        comp temp, xtimesy;
4 O+ d$ p9 x+ ]% ?. {: q* o* r  V        xtimesy.re = 0;
. m. b7 F; X' `0 A7 h/ m        xtimesy.im = 0;
        int j0 = lenB - 1;
# E2 g. W6 [) Y        int    i, j, i1, reali;
        if (lenA % 2 == 1)
                reali = lenA + 1;
        else
' I8 x$ o, i0 y) u6 u0 g% H4 c                reali = lenA;
- j, m( o' E- y! q# w7 r' g        reali /= 2;

        int nconv = reali + lenB;
. d8 ?  p- |4 ]) O0 W( C- q$ v. b        //#pragma omp parallel for
        for (i = reali; i < nconv; i++)
        {
                temp.re = 0;
: V/ X' x( y) {# N* D: d# ^: Z                temp.im = 0;
0 y0 a! b( E1 ~/ r& x2 H/ g                i1 = i;
                for (j = j0; j >= 0; j--)
4 }; h6 j' w9 p4 H: q                {
                        /* floating date operation */
                }
        }
}
7 ^1 G' d. ?7 Q! ~/ b: C
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
! L0 ^$ }2 `" l4 {# v
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.
& X) A% q9 v+ J3 g
如果把红色部分内循环本身完全comment out， call xcorr 1000次，耗时 <1s.

) v- d+ i' g6 y: y; A! J) a% I% h

雷达

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

7 N* `. b( y% z7 j, X; J- q不应该，看我上面的回复。
$ N# ^0 T1 m$ d/ ?# _2 w( L# |
1 _/ C/ h6 ~- N% w% _5 f' K  Y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)
$ E- c- H' `" V" @$ D8 f{
        comp temp, xtimesy;

0 d9 p" g8 o/ W" P这个不是这么比的吧。。。
; S! i4 `7 N- ?/ H& r
9 j7 N" f4 h; ^, m# G: Z; g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，慢个几十倍不是正常的么？

雷达

6 }! e- H  h1 [

数值分析 发表于 2022-9-25 00:20
' _) V- S1 j! ?& K( I( z这个不是这么比的吧。。。
! j( x# G7 p1 A7 j
7 ?9 }( C1 L0 E; Y& q9 ^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）。

有道理。
/ A% ?0 R1 g: C! z* V+ V; |) @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。
4 a% d+ y  }6 c5 e4 k; D4 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
# D! {* l! p& W0 J! _有道理。
2 \: @  w# ]0 [( C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 ...

2 H  y( Y0 s. |. {& C9 _  z- \6 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
4 U) n% q. Y9 [9 R0 w9 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
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! j  M2 Q# F8 [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

) _- M$ i; L& N6 q! d2 i, `. j

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 ...

% r3 D5 F/ a) \, h/ Z  X
是的，兄台说的对。

* ?$ @' x' ?3 K( O$ 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。
) u9 X" d' W3 g
5 p, L+ R, G1 ^0 ^9 W+ k5 Z2 }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。
& [7 r3 I$ y7 b1 r$ J- F# {
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。
: T$ h, u0 k, ~
; x. [0 S5 m* k' Q" M! {, b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

3 z7 G- L; F: p7 \& [, |1 A; b- L! D

沉宝 发表于 2022-9-25 01:27
3 ^; k8 `; \* l, o5 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。

! S! z! k$ U# s9 q1 @3 k- E/ R5 s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 ...

, U# }$ E: ?/ y/ ]时间差一倍的结果可以接受。

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
. I/ U% t  i5 S2 ]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 ...

, {  o$ N6 I: [6 V0 X; W

& U! [$ Y* a( ?# V" S& ?7 @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？

5 u! n0 A+ r3 {& j5 w! j2 {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.
& I+ a3 u" d7 M* R  b
* [4 {! b( b" d: `5 g内循环试了4种方法，
1. 直接调用 vector inner_product 247s
6 B2 b$ [3 M6 d; |+ ~2. vector 循环点乘累加 237s
/ J  y/ K# P6 r# Q1 w  @! u( ?9 Z3. float * 循环点乘累加 204s
1 ^) r: Z5 J1 Y( \) s# _4. 空循环 100000 次 202s

0 v5 ^/ _' P4 h$ h不做内循环 200s

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。

$ y/ b1 N9 z- H, m- i& I7 v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）
+ [* Z; {3 t& k1 T- i% G
（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）

8 a! N+ O2 ?+ ~2 s

        std::vector < float > vec1(N);
4 N; ]& z1 \  F: j3 A$ e+ O7 x  u/ ?. y. G        std::vector < float > vec2(N);
        float* b1 = new float[N];
        float* b2 = new float[N];

( g6 F& f) |$ ~& C        for (int j = 0; j < 6000; j++)
: M( @: `' j3 ^/ O) l$ W        {
                std::generate(vec1.begin(), vec1.end(), []() {
, i: g9 w$ J0 R) s+ v- @                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
# e! G' R% ?: H" }  y  S                        });

                std::generate(vec2.begin(), vec2.end(), []() {
                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
                        });
% P& @9 u- B: o9 n6 A
$ E- ~) B- r2 {1 B& c                for (size_t jj = 0; jj < vec1.size(); jj++)
2 [. w+ {! _7 q0 ~$ Z                {
' |; a1 f9 c- m) a$ X6 r                        b1[jj] = vec1[jj];
                }

                for (size_t jj = 0; jj < vec2.size(); jj++)
                {
$ B& G% l) a4 f8 G* {7 W! v                        b2[jj] = vec2[jj];
                }

                //Method - 1  N=100000 247s  
                //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
' ]& O7 f% c7 f                                
                //Method - 2  N=100000  237s
                /*
  |0 a1 C9 F7 t2 _- F8 l. R                for (int jj = 0; jj < N ; jj++)
/ M3 D* m+ e2 c. C8 w' W" p                {
                        fresult += vec1[jj] * vec2[jj];
                }
& |5 k1 l: M4 ?, P2 w                */
5 R$ W( `4 i& B: K3 G( Q! ?                                
                //Method - 3  N=100000 204s
                /*
: y" D9 A0 ^9 @                for (int jj = 0; jj < N; jj++)
! {1 y' X/ D% ?) R! A" [! H$ I+ `                {
                        fresult += b1[jj] * b2[jj];
0 ~; B( I) j% q' }. W- \( i                }
                */

                //Method - 4   202s
  _. K( W2 v/ T% r( V                /*
                for (int jj = 0; jj < N; jj++)
5 o# L3 k" {6 F9 L2 P/ S! U                {
                        
# o  i: _( o; o3 a; J                }
& d% k  A; w' I8 F* g$ a9 w0 U                */
                //comment out all methods, N=100000  202s               
1 ]9 K8 z2 z% |; F' K        }

        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？

4 }6 n: V- G! J7 o( y0 z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
( D- D5 X6 b" K. s$ t& K+ A* N& r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？
% V5 u! p% J+ E
" q3 }8 l) B# `! j你第二个试验里面的j在循环里面又重新定义 ...

, H! R4 _7 N1 R1 _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 ]( y% @( x0 S% @3 d5 ~5 F: t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
  T! l/ U6 j, I# h3 k* R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
/ S* J" W( F" d7 a
8 k! {1 v5 o# N不和它 ...

# [0 Z* d7 I) ?( S9 R, W; N
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 @. Y9 _/ ^; Q1 Q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)
{
" m* N# Z5 F& D7 F3 f" n        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。
7 A9 f! _+ T3 u6 u+ 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。