C++ 提速的新发现

雷达

C++ 比 Octave 慢好多，怎么破？
) _' W2 F" ?/ ^, z. d. R
3 t  C; B5 M) z9 z- @" ~' P( J3 i. n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。
0 N+ y6 \' s) v0 C; y. E
$ I4 ~. X" {8 K" D# b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？
3 ~& r- p- [3 R: c  p  _7 J- k% e把代码贴上来看看？

) }5 e7 g$ j* Z: q3 O3 ]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

4 a/ }# n6 \3 j' t. o! c4 R

数值分析 发表于 2022-9-24 23:04
% q% f- h- n+ G$ s拉下来？拉多少？
把代码贴上来看看？

" P/ K* Y. U& j( {2 E! uvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
8 B+ _9 a7 ~" p* @        comp temp, xtimesy;
        xtimesy.re = 0;
) H. f% m+ m' O5 i/ w$ l9 t! i2 S        xtimesy.im = 0;
& C9 n/ X5 H; A- e3 d7 m* J        int j0 = lenB - 1;
6 y$ E$ {4 i3 y$ Z$ Q9 ?; D5 y% B        int    i, j, i1, reali;
7 `: O0 q: j8 i( O        if (lenA % 2 == 1)
                reali = lenA + 1;
        else
                reali = lenA;
# U6 e5 w' S, f; T% U1 c        reali /= 2;

        int nconv = reali + lenB;
        //#pragma omp parallel for
5 ^# G' c( N7 h9 y9 ?* J        for (i = reali; i < nconv; i++)
        {
                temp.re = 0;
                temp.im = 0;
                i1 = i;
, [) W* v4 `% k                for (j = j0; j >= 0; j--)
. F& r. ]6 I8 j7 @' r% p. n2 H! i                {
                        /* floating date operation */
                }
% B# u" d9 K2 A9 o        }
0 b( e0 K5 U, A1 T}

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
" Y0 n5 r" o2 {# }3 I% M
  S) P! _; |' u6 Z! k红色部分是内循环，现在其内部操作都comment out 了, j0大概是 6000。
8 v& a4 b; ?7 J; ^6 C6 f现在call xcorr 100次，耗时78s.
: O4 f6 \% z4 x# D8 Z- Q
如果把红色部分内循环本身完全comment out， call xcorr 1000次，耗时 <1s.

雷达

风雨无阻 发表于 2022-9-24 23:33
; p, x( w5 v! g8 H8 ~4 AMaybe Debug mode?

4 @) a$ t" h& `" L
不应该，看我上面的回复。
9 h- n9 @9 ~7 u% i" {0 p! B
我更怀疑是 VS 社区版的问题

数值分析

- t, O1 |; G. z3 V& {% D3 J7 t

雷达 发表于 2022-9-24 23:54
. Q( q5 O: d- }1 q5 Dvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
0 G* k1 q# l) Z! N* F        comp temp, xtimesy;

. X- ~! U. m9 H4 R; t
这个不是这么比的吧。。。
' n% D2 F3 b3 S: K& 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）。
' f& z6 c( R) t$ p7 \3 e
& N* i) P$ }" U( I3 ~1 x( B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

$ L- @: O0 L5 n

数值分析 发表于 2022-9-25 00:20
这个不是这么比的吧。。。
7 F2 F' V; F% j# a& k
  @) Q# j) A1 G% R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）。

6 J% G* h+ S: Q3 B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 v3 h8 [) }3 J
1 j- `6 H5 W+ {5 l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。
$ j: K" m0 l- A/ \* B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 ...

) \. D, a% j/ L& _  T3 P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
* G/ v% R8 I8 W7 P% {+ j/ G& g' b; CWhy 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
2 n$ A" T: A4 u这个不是这么比的吧。。。
. T7 G5 Q$ q& N
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

+ g; Z+ u  G  X' `1 }- }6 ?8 ?

沉宝 发表于 2022-9-25 01:48
& ]5 ~* Z# p9 v# v  j- C* }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。
* X2 t% F5 t9 }  ^# D2 z+ j
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。

" F- s4 I9 I5 I  p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。

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。
' O3 n$ O7 O" x9 c2 N
& W$ ?' \$ r5 R0 |7 {7 v. 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

$ T; t( C" }) h3 F6 ^; s0 ?

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 ...

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。

' l3 w. V$ W! j1 |3 _$ j( t3 g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 ...

: e* y% b/ J# }- R时间差一倍的结果可以接受。

& y5 Q% o, _8 w6 `你还是用profile工具看看吧。现在大家都主观瞎猜。

数值分析

) v! F: t. m& U- Z

雷达 发表于 2022-9-25 04:47
9 k7 G8 q$ N# s/ B5 k7 ~. [7 `* s+ ~5 S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 ...

. k# _  s+ ~5 p  M7 @% [

/ I% y! x. A& s3 Y
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
4 t9 @. ?" t8 l; v$ V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.

' M5 J! P8 t8 ]9 M8 a内循环试了4种方法，
1. 直接调用 vector inner_product 247s
& D! R- q% E* C; J2. vector 循环点乘累加 237s
3. float * 循环点乘累加 204s
4. 空循环 100000 次 202s
3 j+ [- o: l6 d
8 {2 V* E0 t+ G/ I# Q不做内循环 200s
/ W0 g/ W; t6 q( v: ^" Z" F" y$ A
, @$ V( P' Q9 F你昨天说的对，内循环本身占比是很小的，大头在其他处理。
* o. ^: a  J* {1 _" E另外可以看到， float * 循环点乘累加 并不差，比用vector 还更快。
- c  f$ E2 p: X: S5 o
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）

$ b1 A5 q2 e# B, ]$ C（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）

7 a4 z5 b- A8 a# s  R' U- e: D

        std::vector < float > vec1(N);
        std::vector < float > vec2(N);
/ N- \/ D/ s; H        float* b1 = new float[N];
6 A- h! \5 d9 \( [8 y- A        float* b2 = new float[N];
1 w) p7 ?) n. K( U+ m6 c9 K( x
        for (int j = 0; j < 6000; j++)
        {
$ f8 k* P& X( |( Z3 z" C( D                std::generate(vec1.begin(), vec1.end(), []() {
3 e& G; _" r4 {: z4 b9 k6 R                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
; [  l) R; P; e$ D7 P- k                        });

& x% U) |. a4 i& l  {  n0 |2 q                std::generate(vec2.begin(), vec2.end(), []() {
" e. n9 z0 u1 {9 r& f( p                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
* ^: c# k9 @- Y" S4 W+ J9 y                        });

                for (size_t jj = 0; jj < vec1.size(); jj++)
                {
                        b1[jj] = vec1[jj];
                }
' D% Y- ^# j+ k
                for (size_t jj = 0; jj < vec2.size(); jj++)
                {
                        b2[jj] = vec2[jj];
1 k# B" j8 \% |: a4 P                }
  e, R, D- P# A" _3 I, Z) ?0 ], v
- }5 q0 o, E) x. w5 ?                //Method - 1  N=100000 247s  
! W0 I" k4 O# r; [0 {" A                //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
2 `) }# x! R" u/ w+ o, @  x                                
                //Method - 2  N=100000  237s
1 m* e1 y5 I& o! W8 Y) z                /*
5 I; e9 c2 _+ U/ Y                for (int jj = 0; jj < N ; jj++)
$ N! F1 U# I+ E5 G. Z( f. a                {
                        fresult += vec1[jj] * vec2[jj];
                }
; J# u' B% M9 g8 D4 c4 Y& K) w                */
                                
                //Method - 3  N=100000 204s
" s. J5 C" G0 Q. d+ H0 q4 Z/ C                /*
                for (int jj = 0; jj < N; jj++)
                {
+ Z8 n$ t' V7 c+ N                        fresult += b1[jj] * b2[jj];
9 x8 ?. {& C8 z1 t. U3 z* M                }
                */

                //Method - 4   202s
+ I1 s9 r3 P  L5 e# p                /*
                for (int jj = 0; jj < N; jj++)
                {
+ n  ?- P, D* J: s3 ]                        
                }
. f0 k) d2 H2 e* ?, J                */
, p* |% x$ @7 D9 b- t                //comment out all methods, N=100000  202s               
        }

2 z! s; f0 \5 l8 F& r# G9 }        delete []b1;
        delete []b2;

2 w/ I4 s! U  ?2 K( ^% ]0 A

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？

, Z8 _6 N# _( A5 Q( K3 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？
% y+ F) P/ b+ }5 J8 }/ E( H& W

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 h3 x% K) R) F) I, C# ]你第二个试验里面的j在循环里面又重新定义 ...

5 ?/ h% P3 E* B, F: b! p3 K" p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
7 ]' n2 N( F6 I/ x" l! J' Q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
, M/ P/ L  T, D9 p
不和它 ...

, H8 S2 o2 I1 Z0 o7 d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。
0 T9 |; j' n4 Q1 J' Z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)
{
% @. j& K) o: {- t$ @$ Y5 a        comp temp, xtimesy;

5 C6 f  c' T4 w3 w( K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。