C++ 提速的新发现

雷达

C++ 比 Octave 慢好多，怎么破？

2 i$ L7 `) Q5 @) t. b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。

+ G9 Y( z% N# Y7 ]8 q* q速度优化问题真的很有意思啊。
- R, _$ n/ F* Z4 q, g
3 l8 ]1 B2 x1 V3 C) {# [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
/ ?5 z, u" \# ?1 o" T+ @4 ^拉下来？拉多少？
把代码贴上来看看？

2 U2 z. J2 N4 u! W) n+ @void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
+ `( e( c# m. r' ?7 b$ e' J2 R        comp temp, xtimesy;
. `' A$ ^$ }( [        xtimesy.re = 0;
  c' \/ ~) z( |' e        xtimesy.im = 0;
        int j0 = lenB - 1;
4 h% r, h' L! }+ c+ G        int    i, j, i1, reali;
( Q; N, w' h6 O- M+ T        if (lenA % 2 == 1)
                reali = lenA + 1;
        else
. _1 ]2 ^: m& \# @$ C8 K                reali = lenA;
+ e; E- l. w% W! @- R        reali /= 2;
$ Z: A5 E0 k, C7 \0 @" q  k( _
        int nconv = reali + lenB;
        //#pragma omp parallel for
2 u2 A  ~! x* ?: I; v        for (i = reali; i < nconv; i++)
        {
9 |7 f0 L# L" {2 \3 {                temp.re = 0;
                temp.im = 0;
                i1 = i;
; s/ c% n4 ^- x* N) ~                for (j = j0; j >= 0; j--)
( H: S0 x' ~% m& E                {
                        /* floating date operation */
/ |" p, J4 }  q" F                }
! g3 W! \* j- @8 D+ N        }
* k+ @+ i3 C5 s; M8 r/ T  J}

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
# a, O9 b  K7 x3 X
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.
0 f; V0 ~. r% o0 V; z, B; K
如果把红色部分内循环本身完全comment out， call xcorr 1000次，耗时 <1s.
% p7 Y8 t/ C# s" a2 U

雷达

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

$ ~4 V! }5 m# s
+ a  p3 r. N4 ]5 g9 v& j7 n$ h不应该，看我上面的回复。
% Y% h1 Z& L5 r9 l) `+ c' p
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
# b: j% I7 E9 B) q+ w( s" Kvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
        comp temp, xtimesy;

6 i# F5 q1 K, v; r8 j, u3 v* V7 g
这个不是这么比的吧。。。
/ k! i2 k( Q" x( j7 ?5 M1 x) e( ?
% q. z7 x' V4 j, x8 \  n0 Y' 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）。

! I- e) z* m; h$ T) i& J7 G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
这个不是这么比的吧。。。
# ~4 r1 L& k; ~8 @  I
5 d! [9 p$ k  ]; _- }  c6 q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）。

% e6 o1 ~) x2 \  \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。

$ b' j8 e' F+ S$ L8 m% m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
/ U) }# g0 _! e+ _有道理。
8 {# z: W" `- y/ k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
2 @# R& {  T3 L; H/ G; K! rWhy 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
. |; a* X- ~) @2 ~7 p这个不是这么比的吧。。。
! W1 _0 Y9 |- \" U4 e6 t
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

. [$ e% D7 d+ t  M% a, W5 v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

! A; y; E  `9 ~% K% |) e3 \

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 ...

" Z. s4 m+ H- m! j4 a# p
$ C: |2 G0 P$ I8 ~, E# f. {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。
( F. F. g% c  G" e( ]
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。
! k0 Z. E3 D3 y9 k8 E
7 O' I8 J- Z1 k: f) M3 }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。

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

* D- J3 W4 `" _% g% m. s6 L  H

沉宝 发表于 2022-9-25 01:27
5 G# I4 H2 p+ B$ h+ O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 ...

! Y) z& T+ W0 Q' a9 V: [
7 H/ [& k! [' x% A7 t2 _) U1 T. p  D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。
" e2 \( u9 r" y( Z7 w
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 ...

  \2 U/ c9 B% l& J7 p0 C时间差一倍的结果可以接受。

3 p0 c" f  A$ x& W- c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 Y# ?, j- c! Q' o: K! S0 L! M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 P4 ?! ]& n1 ~: q# B! M能不能把这个也贴上来，看看和上一个有什么不同？

雷达

. ^7 @* v* E# g+ J5 D* u

数值分析 发表于 2022-9-25 14:58
% d* U8 P% c2 H% N能不能把这个也贴上来，看看和上一个有什么不同？

! Q1 @  ]& f; v* ?+ k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
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.
5 `) D4 }9 W# c, n7 L- M7 w
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
  a) |4 f2 h4 P% ^$ G3. float * 循环点乘累加 204s
4. 空循环 100000 次 202s
& ^6 |6 S) V3 L; ?2 j- Z9 M
1 I5 i( U& X- a" |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。

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）
- T$ A& g: Z3 s% _* B9 J6 Y, w# h
5 |, x% H4 o8 \( F7 y0 }9 x# o

        std::vector < float > vec1(N);
        std::vector < float > vec2(N);
% h& D. D* H' N$ ?8 ~$ l/ h        float* b1 = new float[N];
  r5 X7 Z" b( m5 _        float* b2 = new float[N];
# k9 x3 r8 H# o- I. d# W
        for (int j = 0; j < 6000; j++)
) B$ G# q$ ]. f6 ?: ~' w4 \        {
0 g2 M4 d  m* H% T4 \9 H) |$ x                std::generate(vec1.begin(), vec1.end(), []() {
/ A; T" T9 C6 @9 X- O                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
( q. B/ s- m" w1 T                        });

                std::generate(vec2.begin(), vec2.end(), []() {
# U* r! W4 B& B2 o8 M2 g' K8 }1 r                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
8 m, h! X/ }/ R5 U  R4 \                        });

                for (size_t jj = 0; jj < vec1.size(); jj++)
  k2 i2 ~# h- W' X4 ?- |                {
/ d% J) P  k% B$ g; E: f" n                        b1[jj] = vec1[jj];
                }
3 O# _; x4 m4 g# G  L0 [
                for (size_t jj = 0; jj < vec2.size(); jj++)
                {
                        b2[jj] = vec2[jj];
                }

* R$ O+ O5 w# y+ I* X2 r                //Method - 1  N=100000 247s  
/ _7 b$ I0 p) _5 q                //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
# a# y0 M0 Y- M) i                                
                //Method - 2  N=100000  237s
                /*
& F# D$ Q4 E0 l+ S1 p& F                for (int jj = 0; jj < N ; jj++)
4 o  P1 n3 ^. v  b3 \                {
                        fresult += vec1[jj] * vec2[jj];
: ?% i2 H) {* Z! c                }
                */
                                
$ |( I* ]+ Y, Q% X2 M7 `                //Method - 3  N=100000 204s
                /*
' |* X; B* F$ \% ]0 i  a                for (int jj = 0; jj < N; jj++)
                {
                        fresult += b1[jj] * b2[jj];
& T5 A) A& Z9 ]1 Q6 x                }
                */
" b$ ]5 a/ S5 {8 n+ [$ v9 s
5 ?# z9 }. W3 s/ a1 F$ U% U                //Method - 4   202s
                /*
                for (int jj = 0; jj < N; jj++)
* Z6 O6 W: @3 U- z- A* A8 O                {
                        
$ D3 w) u/ }* V1 x: a5 n                }
                */
0 F% [  t; k/ J1 R* V                //comment out all methods, N=100000  202s               
5 ^, n- ?; ^. k$ P4 {        }
. I+ X& n4 |9 ]
        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？
4 [) z% x( f$ A$ i% J$ l
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？
+ s- C( @: d! m" e7 }# N

雷达

机器猫 发表于 2022-9-27 00:15
. j0 r: H4 c8 `5 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？

你第二个试验里面的j在循环里面又重新定义 ...

! u- {% D+ d) u2 T, n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

7 M9 g* b* c% w& \* N7 V: h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
- s% z4 I. k1 w4 x: q" x9 q( o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
+ |1 Y4 P* u3 I3 h2 `
不和它 ...

1 G1 a' e8 P( _$ j- k4 @' f1 K' ]1 Q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。
) G. m5 O" z1 L; T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)
{
7 f& V* w4 e# y4 u. h/ w        comp temp, xtimesy;

3 j$ q2 @" Z4 H" [/ [# b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。