C++ 提速的新发现

雷达

C++ 比 Octave 慢好多，怎么破？
, B) A( Q) Y5 q! m6 ~
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。

) d) h6 A# b- _: n: z- i+ {速度优化问题真的很有意思啊。
: L/ q! Q: @  ^0 _( 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？
1 I! e5 w! J- Z, j
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

5 e6 K9 m8 ^. i  t, L9 F% u4 F

数值分析 发表于 2022-9-24 23:04
1 n" D0 H. V. N% f  H4 e. V; r拉下来？拉多少？
# |0 [$ c; o. i/ u# }9 C5 x! O/ a把代码贴上来看看？

+ h0 ~* Q5 o) q( [4 A6 M' }9 `# M
% j4 J; G9 q; j$ b; q( `void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
- q) o: d* j9 y: e/ G' C- V{
        comp temp, xtimesy;
2 z6 Q6 H  J2 r1 `, X8 @        xtimesy.re = 0;
        xtimesy.im = 0;
        int j0 = lenB - 1;
        int    i, j, i1, reali;
- J! I% L+ ?; U" }4 G1 X$ x$ p5 p( `6 H        if (lenA % 2 == 1)
. h$ ]: c3 O+ ~                reali = lenA + 1;
        else
                reali = lenA;
        reali /= 2;

: Q4 f, |6 y7 g, l/ k! P  T        int nconv = reali + lenB;
        //#pragma omp parallel for
. v5 A9 V2 y, T5 h        for (i = reali; i < nconv; i++)
) i' S* }4 P  x4 E; N6 j        {
                temp.re = 0;
7 P. S! J8 Q1 V5 n0 w- J/ m                temp.im = 0;
4 q; Z% u; {4 J, o$ @6 l, k                i1 = i;
1 b( w: s+ J& G                for (j = j0; j >= 0; j--)
                {
- O% i% T. _! c! w' q! D                        /* floating date operation */
' D4 u6 I6 q! H# @                }
        }
}

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
& b. |! ~/ j) k) ?
* r/ w/ r4 X9 A红色部分是内循环，现在其内部操作都comment out 了, j0大概是 6000。
5 C$ c5 c# O# r- ^# o+ C0 G+ H+ [现在call xcorr 100次，耗时78s.
( C$ G& R% w4 U
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
Maybe Debug mode?

不应该，看我上面的回复。

" T4 \. F$ }( p' p/ h' X% E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)
{
; P2 ~1 F) [9 ^4 Z4 \        comp temp, xtimesy;

6 z! w" W, r+ \8 S+ X: E: U( R
  J4 ^% B" h6 I3 c: @# \: @4 B3 [9 }0 C这个不是这么比的吧。。。

$ C  y/ j  @8 v5 v$ 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）。
/ D* e5 Y# p* x; |' E% P
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

( ^. i1 }7 _. k3 |; C

数值分析 发表于 2022-9-25 00:20
这个不是这么比的吧。。。

& D4 a/ o, X6 ?/ z0 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）。

0 {/ _: N7 G- w* v, U+ X, b
8 r: A) z0 Y9 l3 q& `' p- W5 V有道理。
) X" a1 @- c' t+ a  ]4 Y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。

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
: A% R, [  C0 \2 ]有道理。
& M* W$ |" P: u* c# a" W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 A2 z% j# [3 p9 j/ w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
# i9 L; X8 ~- z% ]. X这个不是这么比的吧。。。
" D/ Q  I9 z2 }( m  S. E8 a
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

) n9 C' {2 w) P+ l. M; F2 }

沉宝 发表于 2022-9-25 01:48
4 o  r, N: [) }; d3 O' u% P  O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 ...

$ i/ d- T! b" a" y# |# O是的，兄台说的对。

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。

+ B# s" }6 A* o: a& 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。

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。
; V/ s  u4 }4 b4 o6 C5 n
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
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 T4 B  {* E5 P  V" c
. j$ n( `0 q3 p0 d- M6 L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。

. I& i) U  {2 P4 O: [% l' F; b) S$ Y我已经完全懵了。

沉宝

雷达 发表于 2022-9-25 04:47
' \: }8 T0 W7 g( ]1 S9 h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 ...

, @9 U3 s- H' r时间差一倍的结果可以接受。
9 h7 Q$ g& \! W) \
. @4 f# q- ~( x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 ...

' h& B. `/ w. q4 z6 T
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
- M% J7 J0 o+ u# I. S: U. n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。
* |# e" c2 c% g8 |" G; j0 W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.
* C/ o; J' K4 Q0 [
! _& F) R# p9 s内循环试了4种方法，
1. 直接调用 vector inner_product 247s
2. vector 循环点乘累加 237s
, d4 M9 A4 f2 s$ q6 X6 Q# m3. float * 循环点乘累加 204s
4. 空循环 100000 次 202s
* j# f( G2 `+ l  L( y- p
不做内循环 200s
) e6 v+ J# P7 [
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。

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）
2 [) K: c2 w& ?1 u% E( i
: W4 }5 ^# _" 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）
  `3 ]6 k9 H+ c2 o
3 _/ }0 z0 a! B2 X& I

        std::vector < float > vec1(N);
        std::vector < float > vec2(N);
3 X! g" F# x8 y2 c# w8 K. c        float* b1 = new float[N];
        float* b2 = new float[N];
0 t1 j; N* i+ B2 O
" r' I7 O# o7 d        for (int j = 0; j < 6000; j++)
" v, {3 s  y' b3 e        {
( h* y! [9 t- i; ?- e                std::generate(vec1.begin(), vec1.end(), []() {
5 u$ a' X0 V/ e7 C8 t                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
" i$ A9 [$ ^; P/ P3 v                        });

- {4 _7 M" W4 o8 G5 J! M* r4 o                std::generate(vec2.begin(), vec2.end(), []() {
                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
                        });

3 m' r) X" I( ~0 _1 N7 `                for (size_t jj = 0; jj < vec1.size(); jj++)
                {
                        b1[jj] = vec1[jj];
9 k& h5 b4 l( x# @2 v- d, N) l                }
. A* c6 h3 [; _& o: @
6 b2 y4 t# G" y6 A& {                for (size_t jj = 0; jj < vec2.size(); jj++)
                {
$ @: \; W7 ]+ R+ P                        b2[jj] = vec2[jj];
                }
% A. s( y  P9 ?
                //Method - 1  N=100000 247s  
- k/ _6 I4 G9 A3 w' Q# y                //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
                                
                //Method - 2  N=100000  237s
) ?1 I9 y+ P( B5 X3 C+ s                /*
                for (int jj = 0; jj < N ; jj++)
" \1 ~9 q/ {# g8 Z$ G  F' M                {
                        fresult += vec1[jj] * vec2[jj];
+ k/ a  `0 e0 L5 s: }                }
                */
                                
                //Method - 3  N=100000 204s
                /*
; y8 g7 M" e+ n: _7 s                for (int jj = 0; jj < N; jj++)
                {
                        fresult += b1[jj] * b2[jj];
                }
3 m8 v9 e9 i) n' i' D, i; E                */

  m( `( d$ u- D1 a: p                //Method - 4   202s
                /*
                for (int jj = 0; jj < N; jj++)
                {
2 g% `2 o3 ?# I* w  W% o                        
; j) G5 T& y7 d+ X3 i9 M8 X                }
9 E# g& x7 K4 M                */
                //comment out all methods, N=100000  202s               
8 W( S/ [$ E; z% }8 n        }

        delete []b1;
9 z; O( j% R! ?        delete []b2;

5 X, y2 {' L+ z' q9 _" G

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？
2 g3 }  g; y+ Y) [3 l9 E
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？
- \+ o) v# }7 N9 l/ }. a; Z# y

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？
: }' h/ m0 z2 |6 x3 T
, j! O) q& P1 h  }0 ]4 J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
+ h- X1 h4 W  C4 _0 Z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 ...

; X  H9 H: p4 I
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
6 V! a" |9 J6 W( Z$ `; ?void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
5 P8 k7 M, j9 M' f{
% K: n% i% I% s) V        comp temp, xtimesy;

8 ]2 l0 Z2 N2 a( M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？
& |+ {& L% I3 ]" c6 U, c5 ~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。