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。
1 v  L! d) k! c8 H3 I
! V* M$ [- z' x# ]" N$ `6 x3 F速度优化问题真的很有意思啊。
/ E: |0 [; r. |) ?  S! {3 ?
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？

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

数值分析 发表于 2022-9-24 23:04
拉下来？拉多少？
' ^  t+ W3 U+ S4 T把代码贴上来看看？

# a& \: p0 m) s; \% l
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
1 Q4 h. D. I- h9 |- _, ?: @% w{
        comp temp, xtimesy;
        xtimesy.re = 0;
& p1 J: B/ p) u8 N        xtimesy.im = 0;
1 P/ k. F0 H4 a" X. p; g- {- O1 t        int j0 = lenB - 1;
$ k$ S/ O0 A& R# Q7 _; K) A        int    i, j, i1, reali;
        if (lenA % 2 == 1)
, q& c6 e+ R. K( N                reali = lenA + 1;
        else
5 Y$ ]; g) N* ^0 U' S3 x                reali = lenA;
1 O7 |8 F0 z, h. W        reali /= 2;

        int nconv = reali + lenB;
        //#pragma omp parallel for
7 r+ E# V" L( K# T( g$ t        for (i = reali; i < nconv; i++)
        {
                temp.re = 0;
                temp.im = 0;
! [6 s( \) n! V' T0 N                i1 = i;
                for (j = j0; j >= 0; j--)
2 ^" @1 P$ A* W% c3 Z: v                {
9 A5 E. a9 f/ X% L& b. T                        /* floating date operation */
5 {8 s' Q1 M  r3 A                }
! p' M0 T: X5 O/ g8 V( R. U5 @! ]        }
}
0 N; s, C  K. l
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

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.
5 r; B7 k( z) L0 c: r6 ~: u
" c7 p3 M+ w- E( m3 J$ ^如果把红色部分内循环本身完全comment out， call xcorr 1000次，耗时 <1s.
, }( a/ }8 @5 v4 A" [4 B, K

雷达

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

" L& C2 f- K$ I  G
- D+ W& C+ Y* B. r5 l$ a不应该，看我上面的回复。

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
/ e, Z' @: R0 Q/ j3 tvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
/ l; K: q/ @2 N. s/ b1 Z" l{
% J8 \) W! U+ B! W- h& X% D+ L        comp temp, xtimesy;

) m! u# M/ E0 ?$ J3 x& k( D) r: _
. v" X* w9 Z: [1 h  `这个不是这么比的吧。。。
3 T) _0 a# L" x4 X
( s* M$ O- B$ r" u* O" g9 \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 V9 ~  L9 G; N, `+ n
6 k- b0 ^% q6 j5 R/ F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
" i5 B( o% m' A* K& X  @  |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）。

) D: J" f% G. u
0 M( \# E, g# ]/ \' V5 K1 q有道理。
, l! o+ @1 r, X5 r8 c: ]: q: ?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
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 ...

* M7 k  }6 `% e" ]5 @4 F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。。。
: q5 G) t$ C) B2 g4 C3 h: z
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

* M7 H( W- X2 u# r# I1 N8 i* B& _
* y9 q! D2 O1 X9 c7 B% @# k( X2 }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

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 ...

: ?% e% Q8 j0 \8 ]8 ~/ J0 a是的，兄台说的对。
- C5 p. X+ z7 ?1 w% O/ `+ F
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。
3 ]. I4 e! m6 K2 m' \$ N2 @2 O
7 r- b% |/ @2 z& `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。
4 y- ~8 y7 v% a
5 B) s* H8 p# t" K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。
/ K! l* {3 A4 t! _* e
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

& A$ Q! _9 [4 B

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 ...

1 S5 B$ ~& Y8 N) F$ b% `% F3 _
: x8 }( F2 a& @5 p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。
" O$ s2 C8 l$ ~! i- V+ {
; L$ l3 y) Z* 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 ...

时间差一倍的结果可以接受。
0 H1 A2 b$ X( U# m* Y5 o+ D
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
7 F4 ^5 i" j5 A% i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 ...

" `1 Z3 j, a, B  y: J, \

$ H5 m0 i. N) C( O- [' ]
. M" m- }% n$ R1 c3 K$ [8 s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
/ u5 D8 I  A8 j& L8 M" \8 ]1 ~能不能把这个也贴上来，看看和上一个有什么不同？

1 K8 y6 o: W# X: O* J) W" v* _6 J理了理思路，重新做了一个测试。
3 I. c- ~9 t' m  \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.
* \1 A5 t0 E& s( t8 a
3 k* G% ^) `! c! S4 e5 w0 m0 T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
( g9 e0 J7 x* b* g* s3. float * 循环点乘累加 204s
4. 空循环 100000 次 202s

7 V2 K& M# p+ B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。

8 q0 @* ]5 `* ?0 g. x6 t9 @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）
7 _# l! k& A; d( N* K: c) o
$ w9 g" G) X7 L. w. ~4 [: T

        std::vector < float > vec1(N);
        std::vector < float > vec2(N);
        float* b1 = new float[N];
        float* b2 = new float[N];
$ z3 F* W7 D4 R# @7 j5 B: o+ l
# W( S+ `9 t3 o. i/ `! u        for (int j = 0; j < 6000; j++)
        {
                std::generate(vec1.begin(), vec1.end(), []() {
                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
                        });
1 @3 Q9 b* |* I1 R. ^
- D7 f' R8 t" X; c3 k                std::generate(vec2.begin(), vec2.end(), []() {
                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
3 P# ?. w* N4 @) I+ ]0 f( B                        });

1 m- q9 H: E) g  x' Z* Q! T. e, _                for (size_t jj = 0; jj < vec1.size(); jj++)
                {
                        b1[jj] = vec1[jj];
/ }$ F# v; y$ v3 ]; C% n! f* u                }
# ~$ c! J1 v! Z# p' t( `, E4 C3 B) W  e
% \% |# j  |; r0 z' `                for (size_t jj = 0; jj < vec2.size(); jj++)
. p5 ^8 i( ~6 s; x5 p/ ]                {
                        b2[jj] = vec2[jj];
                }

                //Method - 1  N=100000 247s  
0 |& }# f2 Z# ]9 v8 E                //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
                                
                //Method - 2  N=100000  237s
                /*
* P6 K7 y7 j3 h$ z# ?                for (int jj = 0; jj < N ; jj++)
# r! p( A7 d4 b! P( m; q( z                {
                        fresult += vec1[jj] * vec2[jj];
                }
# v; I1 \: W! Z, I, K9 Z                */
                                
/ a3 p) u4 e7 V) A5 d                //Method - 3  N=100000 204s
4 F4 M5 w; r: l' |                /*
                for (int jj = 0; jj < N; jj++)
                {
( F" X1 g# t5 y5 z. D5 b* Y                        fresult += b1[jj] * b2[jj];
                }
                */

1 v+ m! C$ F  q8 j                //Method - 4   202s
                /*
                for (int jj = 0; jj < N; jj++)
                {
5 L* |1 {0 K/ {- ~                        
7 f9 X' o# S' K/ C                }
/ ?; d5 H1 e: U# h) j8 l, o                */
                //comment out all methods, N=100000  202s               
, h4 ?9 {/ G& z: N7 _6 s2 A        }

8 K; A6 s  B3 O        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？

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
; ~8 U4 v8 R1 [) J+ N+ d. \8 u: F  L4 E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？

9 O, F  T6 E% {5 R: S$ b9 \你第二个试验里面的j在循环里面又重新定义 ...

  |' \# }: |3 c( D, ]+ ?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

9 T: U3 G- J3 c& S7 G: b( V" _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
; P0 C1 W8 n& N" J- b0 X7 V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
. H2 g  s1 E! m! H4 X
不和它 ...

9 z% v) w5 m$ y# U
, \3 L' n/ z. k- A/ x% `! 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。
# P9 M' y8 d1 I* }$ b5 G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)
; F- z; }7 N# g4 p* B: [" X' F/ J! \{
        comp temp, xtimesy;

: T( {, f* L: W+ r7 k2 T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。
# W7 O% Q+ q' A) 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。