C++ 提速的新发现

雷达

C++ 比 Octave 慢好多，怎么破？

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 J/ W/ I4 V) ]: W$ v1 t! M0 D% E
! X* G8 j+ r: \# o速度优化问题真的很有意思啊。
$ r3 F) n/ e: v" |9 ^% G1 L1 U* r
& f9 c+ l" _5 H" s( }9 }/ M欢迎大家继续讨论

数值分析

拉下来？拉多少？
* C- U5 Q+ B" Y2 E- t" ]把代码贴上来看看？
7 n; }  d  l- g& ]6 u. 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

" ]5 w* {6 Y% y! \3 @' e" W% E8 {

数值分析 发表于 2022-9-24 23:04
拉下来？拉多少？
- j; m! K8 I; i- n把代码贴上来看看？

void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
) Y; y2 r' a2 r; ~  V8 @0 W9 N2 {{
        comp temp, xtimesy;
        xtimesy.re = 0;
, h# j7 p" V2 V/ _; G, w! k        xtimesy.im = 0;
        int j0 = lenB - 1;
        int    i, j, i1, reali;
4 L* j/ ]- Z; ~& y# D: G        if (lenA % 2 == 1)
                reali = lenA + 1;
+ [* \2 U& D1 M8 I& R- B        else
                reali = lenA;
2 Q- A2 O5 f6 z        reali /= 2;
$ z" x, f6 g, a6 |& H! Y2 i1 M0 A
& T* E* h# s2 T3 D. O; P        int nconv = reali + lenB;
% p! d4 F6 v5 w, q, p        //#pragma omp parallel for
        for (i = reali; i < nconv; i++)
  ]1 F1 a1 f" k1 C) w4 Y0 ^9 K2 t        {
2 |1 N9 w& r6 Z  G% P                temp.re = 0;
& q* s# }- w/ E9 o) j                temp.im = 0;
; B0 U  |: k7 t) p: ~4 w8 R                i1 = i;
( O- {+ `& A, G  w                for (j = j0; j >= 0; j--)
                {
                        /* floating date operation */
0 G( b# f8 @, _$ H/ @" u                }
! \1 g- F! R, ]5 W( k        }
4 }5 w7 _, J  u: N}

8 ^8 I9 f* q/ [2 n9 {; nxcorr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

- R9 F2 R# U7 J( Q5 t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.

6 P2 m. f) }+ j. p% ], e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。
  C3 e9 ^2 t6 s+ y) F
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)
  u. U# Z# V) q& s{
5 a' _% B2 l0 g5 U( Y+ X        comp temp, xtimesy;

/ x. Q5 W) I" s( a
, @& v/ Z/ |+ W; \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）。
7 k/ l1 G# i1 ?2 U5 c
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
  m9 \, [; L# x$ Y这个不是这么比的吧。。。
# ]  a7 F5 C& E* F8 }
/ A' K7 U; x6 g' J+ F0 U/ 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）。

& U3 f' ^& g. [, G有道理。
5 g+ d; G$ i& y2 |/ T" f  f$ l8 U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。
$ t; L% H3 w3 L. q/ L! v
: i/ v: D) q! {+ R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。
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 ...

5 c/ r0 j% C& B" h! g2 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，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
7 Q' b( P& a/ w7 o9 U这个不是这么比的吧。。。
% {  x5 F9 {) k9 ~; e8 m* 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）。

而加上内循环，光jmp和dec指令就至少多执行了6000个

1 m, f+ x) w# |/ S# j4 O
! }, w  f6 d1 t- f  Y2 D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

7 o& l  J7 e$ T0 @8 {

沉宝 发表于 2022-9-25 01:48
% H- b$ q6 K+ g9 v" t; ?8 {4 ?9 B0 @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 ...

; M$ E5 g) H9 U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。
  D1 `' ?, ?- ^1 ^* I) D# g
+ q" u2 ^; g0 V$ s; G5 W' o# n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。
& y+ V& i7 A) G$ a: c
& `- x6 S! F4 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。
5 N) P' T, E3 k; s, Q$ x
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

& N! k2 R. E1 Q! S

沉宝 发表于 2022-9-25 01:27
: U2 S# q; P4 R, Z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。
5 _) M1 U( U) Q) s
我已经完全懵了。

沉宝

雷达 发表于 2022-9-25 04:47
0 m2 w% `# \4 G1 P2 U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。

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
6 B7 f1 i3 v# D8 T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 ...

0 _5 K# Y% ^% Q
! t! k8 A) i+ a6 q6 V' P

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 s" J1 T  [) G( U理了理思路，重新做了一个测试。
# q5 v' x: R4 Q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.
, J* M( [9 J6 o' r+ @( U
% Q5 q1 ^. }" o+ R( X' U) W& a# k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
" N+ {( E& X! G( t3. float * 循环点乘累加 204s
% h! Z' P  e. B6 Q' T& _% ^9 E- v4. 空循环 100000 次 202s

4 i8 G) h4 v4 R6 ]1 c# y- w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。
+ D) L, W9 I- m; V, r3 S! ?% {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）

9 U  d( Y. M) b6 O; `0 h（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);
        std::vector < float > vec2(N);
7 W; E9 \0 n1 E9 o" _# [' j+ F        float* b1 = new float[N];
        float* b2 = new float[N];
0 Y" l$ G+ z9 W/ R4 H& C7 [
        for (int j = 0; j < 6000; j++)
" z/ w; f2 D% R        {
7 B$ y3 X4 m& E% V                std::generate(vec1.begin(), vec1.end(), []() {
# Z5 B* x, D5 @  ^                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
                        });
. X& D' Z$ ~2 ^/ F4 Q- J- b* `1 f3 ]' N  a
9 J) y! x; J/ G) q# \                std::generate(vec2.begin(), vec2.end(), []() {
. P1 F5 F( }! m) A, Z3 P                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
                        });
6 u0 x! d# V- Q1 `; {; W5 T
! c: x, n) U4 r# D- d                for (size_t jj = 0; jj < vec1.size(); jj++)
                {
  ]5 n/ N8 I1 |4 D                        b1[jj] = vec1[jj];
5 n; |0 N( X5 u                }

. V, G- k+ o9 R6 l4 S( I                for (size_t jj = 0; jj < vec2.size(); jj++)
- h6 i7 p7 M" I  T                {
                        b2[jj] = vec2[jj];
                }

! y, t# z1 V* ?: }2 z% _1 @                //Method - 1  N=100000 247s  
                //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
3 N' v, Z3 H9 m4 Z. Y2 h                                
                //Method - 2  N=100000  237s
                /*
                for (int jj = 0; jj < N ; jj++)
                {
, `( m& F/ N+ n; ?# A2 ^, _& b- Q                        fresult += vec1[jj] * vec2[jj];
. c, S& A  o  Y0 W) n                }
                */
: n1 o3 e3 I! u. ~7 c                                
; |3 X8 E- l+ l# D                //Method - 3  N=100000 204s
1 i, r5 m$ \$ ]$ n' ^  @+ q                /*
; ^% T* k$ p0 r3 i0 H                for (int jj = 0; jj < N; jj++)
                {
& y- n$ j" A& ?. C                        fresult += b1[jj] * b2[jj];
                }
                */

$ l$ {) ^% z* o$ [3 P                //Method - 4   202s
% D: b5 y+ m- G1 h$ P+ g                /*
                for (int jj = 0; jj < N; jj++)
& T  F- i1 k* A# v: [                {
                        
                }
1 D* t& M& p8 ~$ v6 L8 F  H8 u                */
                //comment out all methods, N=100000  202s               
        }
; B8 z0 x6 N# b; V9 y- g
1 g! c" n3 m5 x' e# T6 v        delete []b1;
        delete []b2;

7 P( y. T6 `* X" W4 U* n7 @6 S

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？
8 y/ P3 v: n3 K& J' ]" J
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？
+ ?4 p5 |+ d: R& ~- Q/ D

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？
8 ]2 u9 X/ f) W# Q' I
你第二个试验里面的j在循环里面又重新定义 ...

6 \# h& p1 F6 @* ^) a4 [" e) ?; 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
* k9 e' X" J$ J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 ...

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)
+ o* Y* [0 k: ^{
- D% Z+ K$ w* V8 M+ ]        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？
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。