C++ 提速的新发现

雷达

C++ 比 Octave 慢好多，怎么破？
& ~' q# r2 r' L2 V6 c: R
. b# G/ s5 T, U' O! a/ }9 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。
, T, s' a# A8 U% e: D
1 P* C2 F+ P/ U5 T" ?* b; q6 ~) g速度优化问题真的很有意思啊。
' C# E( ~5 w8 A  U; k! h% m, t
欢迎大家继续讨论

数值分析

拉下来？拉多少？
: @* ?9 u) ^9 ]7 x8 X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

$ b! z0 S! [$ }. m/ p4 l; h

数值分析 发表于 2022-9-24 23:04
拉下来？拉多少？
/ p, m3 X( e* j& ~1 d/ B% o把代码贴上来看看？

# A+ O( J) C5 }, W$ W% ~
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
  o5 U9 q5 J) z" X8 a) g' q{
        comp temp, xtimesy;
" `) P7 r% h: b: `1 X: f! A8 c        xtimesy.re = 0;
        xtimesy.im = 0;
        int j0 = lenB - 1;
! w) @: t& A  O/ x# b( C        int    i, j, i1, reali;
        if (lenA % 2 == 1)
0 v) n( K7 Y+ r& F& r                reali = lenA + 1;
        else
. g# i, ?; q2 s4 z% E                reali = lenA;
        reali /= 2;

) V' B# t1 W: N2 Z' W' o7 U        int nconv = reali + lenB;
1 ?! U% y! A5 m        //#pragma omp parallel for
: t# H2 f2 m1 e/ v        for (i = reali; i < nconv; i++)
" h. [6 x2 ]- _- y1 L, }        {
# c1 J1 v" _2 ]- u7 e                temp.re = 0;
                temp.im = 0;
( z/ I! E, z, S  V+ O/ p                i1 = i;
3 R: I. \& h& y7 V                for (j = j0; j >= 0; j--)
                {
                        /* floating date operation */
                }
! p7 a+ g9 ?- i6 o& ?# f2 E        }
}

6 e+ t3 Z1 M, d! R# g' excorr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
# @; a; h9 \" P3 w: Z" S% P
5 L, O9 M% Z: a8 _' ?0 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。
( A' y! M+ Z6 |: t! W: g" Z2 z+ c现在call xcorr 100次，耗时78s.
3 i: _' r: C$ ~/ j% O% f
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
9 B+ |- G0 Y" M7 Q- nMaybe Debug mode?

4 R8 o% S( K9 U' [# h; ?. Q6 g
: P0 t; z7 r" Y8 l5 n7 O! {. E- s不应该，看我上面的回复。
7 @9 S) ]) E& e6 r- S8 A9 T* I
9 k+ d0 i* u( I' Q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)
; C5 t5 h% @% y4 @{
. j8 T: v- L0 w0 x' p& B3 |& `- |        comp temp, xtimesy;

这个不是这么比的吧。。。
& l/ |( Y% x7 _+ T6 \. M3 O
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

1 v: _" w% B  J% [) Z

数值分析 发表于 2022-9-25 00:20
6 r% ?6 @/ u. F# W' \8 d& }) w! j这个不是这么比的吧。。。
# O, c1 U$ z, w" a2 H9 T
: Q0 J: m2 l/ t9 {% ?. F0 ~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）。

8 E& y' T9 E: A) s. |
) G  [  t; ]7 }- l4 [5 K0 K- c0 u2 G8 P& l有道理。
4 a& {  [6 l) S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。
& Z4 P: f5 s5 Y+ l
: V9 p/ \+ u) Y/ W& F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。
: e2 c5 I# W9 v6 x) 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，这大 ...

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
  C. w( X+ {- Y, ?) T9 m+ l( Q这个不是这么比的吧。。。

" `# G0 G2 T/ |2 ]9 s* N- C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

; H. a$ l4 q/ X9 g! l: V) B8 A
  b! ?( M$ E! z2 j+ a& 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）。如果循环这样跑，花不了多少时间。

数值分析

8 M4 t% t9 V! }( D3 L9 g

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 ...

$ t' f; D; |9 m, R6 R" S
* w; s" K: F# J: [3 h2 S是的，兄台说的对。
7 ^7 {" T  S4 A! u
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。
1 Q, k; H* P* W' Q3 f
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。

# b% X1 @5 P1 f& f9 _% P6 V: S6 z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。
2 T- z& u2 }, f$ ?+ M
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

" Y6 ?; q- U8 |+ f2 C

沉宝 发表于 2022-9-25 01:27
' h: M" ?* V+ ?1 I; a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。

' i& R5 G* T& e# }) d/ S' |8 ]" D" A  L我已经完全懵了。

沉宝

雷达 发表于 2022-9-25 04:47
; Y' p7 n; {: Z& @0 _( Q- K( a( ?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 ...

7 t$ t3 Z1 g) |; I; o# D时间差一倍的结果可以接受。

+ m6 N5 t6 v) F7 Q% W8 J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
+ d# D9 T* B" H* V6 u4 ]) 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 ...

% n& X7 U( x! h) R& t" m  D

7 X% f8 [' q9 y! Q  ?5 D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
1 M% W& }& d: f2 o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
2 a$ ?& m: n1 E* }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.

内循环试了4种方法，
1. 直接调用 vector inner_product 247s
: H$ H& e6 G  i" B2. vector 循环点乘累加 237s
3. float * 循环点乘累加 204s
6 m" r) ?2 b" I  q4. 空循环 100000 次 202s
# H+ l' k$ Z9 I  T/ r
. z* e' d8 s& f不做内循环 200s
- T3 w( L& \( C  b7 B. ?
9 J' c, y) G3 a- y, m% C4 T. u& U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。
) `; H7 [4 B! D
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）
4 U* G: _* |0 G1 j/ E( |; K
9 _' Y0 ], \9 d' e（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）
1 e0 _' o: g  Y. k5 J1 D" F
! P5 K( G7 H) D& H# Y- O

        std::vector < float > vec1(N);
  n5 d- s) \+ J" d; [, J/ `        std::vector < float > vec2(N);
5 E5 V. r9 A  Q  j0 O        float* b1 = new float[N];
        float* b2 = new float[N];
6 A2 L5 C: T3 j, n$ F
        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));;
                        });

                std::generate(vec2.begin(), vec2.end(), []() {
- ^* h! `! g+ r4 P                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
                        });

                for (size_t jj = 0; jj < vec1.size(); jj++)
                {
! h0 q4 E$ M) h" U9 |                        b1[jj] = vec1[jj];
6 u2 b7 B7 P, w3 @/ M3 ^) ?                }

" \1 l0 @+ F7 b& g4 j                for (size_t jj = 0; jj < vec2.size(); jj++)
6 E0 P. o0 m: [# i  m4 F! L                {
4 V) Q: x* z- c& L, Z; ?: j3 e                        b2[jj] = vec2[jj];
                }
+ z- [# r$ z& e) M& z8 u
( V0 q. U3 K; m# h6 x& }' p                //Method - 1  N=100000 247s  
                //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
                                
1 i. c7 U; G2 D1 j/ ], W                //Method - 2  N=100000  237s
                /*
0 J$ u3 e2 p7 B& L2 d& `                for (int jj = 0; jj < N ; jj++)
                {
3 N5 Q- R) E$ Y! ^' D' B" Q, E                        fresult += vec1[jj] * vec2[jj];
3 S5 A! M  |1 O+ u, [                }
; b/ Z4 s9 Y3 H1 c' F                */
                                
2 w  [7 E3 p% ~  S9 V& B3 a                //Method - 3  N=100000 204s
                /*
                for (int jj = 0; jj < N; jj++)
- i2 ?+ C4 ?. \4 I% v1 I                {
                        fresult += b1[jj] * b2[jj];
, o( N9 z9 ^, u3 q4 N2 e                }
/ ^: a) I7 S+ D8 p4 N+ e: Q                */

                //Method - 4   202s
                /*
                for (int jj = 0; jj < N; jj++)
                {
" u% l+ R4 b' ^+ v2 u                        
+ _. v5 f% Y3 g. b                }
                */
4 N: J: w0 S9 w                //comment out all methods, N=100000  202s               
        }
6 l- ]4 b* a& l4 Z
5 @! l' S( C* ^) I! P/ b5 v; f        delete []b1;
, L5 y4 L' Y! H  L( [/ N$ d. b        delete []b2;

- S8 r. Z+ S; D6 F! \

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？
. j4 V, n1 X# y5 {6 B2 i
7 A9 O0 d) K# E. I. I; k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？
8 q* w7 ^8 G( R5 u! |# v! V! J

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 j( B2 d1 z% y3 A6 r
4 }) b6 ~8 P8 Z. O$ u2 D你第二个试验里面的j在循环里面又重新定义 ...

: j/ h' h8 u* I+ {9 L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 P0 C9 @; h, S- q! M/ w$ M/ q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
: |& a' K0 N4 Q" g; ^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
* ^! F& }7 |* G& _: p7 Q
% N* k7 B* O/ I( U" B: Z% ~不和它 ...

& w0 \  R! Z5 Y
" q8 L* \/ X# ~5 _. s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)
6 F" ~+ c( m; ~, R/ H8 q3 }8 d{
6 I. [% h' a3 \& W5 m        comp temp, xtimesy;

; {! v# x/ G3 U" Q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？
* z1 c$ }* _+ r3 p0 E% J# @+ PVS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。