C++ 提速的新发现

雷达

C++ 比 Octave 慢好多，怎么破？
  x) ]* |  H9 H4 w; E- U1 r! r
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。
$ c6 G5 F8 o# ?! N  Q
( p  j4 w$ M5 T& f速度优化问题真的很有意思啊。
6 b( p6 q# T6 Y  s  S8 C
欢迎大家继续讨论

数值分析

拉下来？拉多少？
' J9 P6 o3 G% m' {, d把代码贴上来看看？

" {2 v* A4 m3 Q: N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

* f3 c2 N: N" c

数值分析 发表于 2022-9-24 23:04
拉下来？拉多少？
把代码贴上来看看？

' G/ t7 c& V; ]4 D: M) w
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
1 `8 H4 }4 g4 ^& C2 h) G{
        comp temp, xtimesy;
2 C6 c: m- L4 j) w/ ]        xtimesy.re = 0;
        xtimesy.im = 0;
7 O* f: H9 e, ~1 P9 f' t' E  |0 e        int j0 = lenB - 1;
1 ~3 z# L( b) f/ u+ {; Q6 ~. ?3 q        int    i, j, i1, reali;
# H$ c# K+ ^3 ^. k5 l% I        if (lenA % 2 == 1)
! ^$ C. P4 A# @: D                reali = lenA + 1;
        else
                reali = lenA;
( a; {5 h/ E- _, a        reali /= 2;

. n2 x& ^, T: _        int nconv = reali + lenB;
' G2 h5 ^6 e' L1 ?" ]        //#pragma omp parallel for
5 z* j3 x9 X# D0 B7 ~2 B1 V        for (i = reali; i < nconv; i++)
        {
' L2 |8 r& I  N, G                temp.re = 0;
                temp.im = 0;
- o3 ~! J% V8 T- K9 S                i1 = i;
                for (j = j0; j >= 0; j--)
                {
! H; e% i5 T. p                        /* floating date operation */
                }
        }
}

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

6 ]) I4 }1 D. J5 u" j1 Z2 _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.

如果把红色部分内循环本身完全comment out， call xcorr 1000次，耗时 <1s.
: v! \$ N# I5 q6 i) C* M6 Q/ u
/ Y% M" D8 n# Y# i4 h% [, y7 B

雷达

风雨无阻 发表于 2022-9-24 23:33
( T) b7 m- Y' N; {Maybe Debug mode?

不应该，看我上面的回复。

! h/ v2 T; q/ w: }/ d. @4 s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)
{
        comp temp, xtimesy;

) G/ D" Z$ L8 O6 D# S7 [
* S) M( x& B& c" N- V/ H" h这个不是这么比的吧。。。

* Z1 o9 ^% ?4 j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）。

, Q1 f# Y+ V8 M+ u, j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

4 r, Q( y. `- J$ W& U

数值分析 发表于 2022-9-25 00:20
' G8 \5 P& q$ ]1 @8 X) k9 U这个不是这么比的吧。。。
9 V- d& ^& g# l1 n) }$ H' I
5 e/ x0 P; ?. h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）。

* H# i# D+ }6 k0 {
有道理。
9 O, ~+ v/ d6 Z( 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，记得 numeric 库里有算向量内积的，我回头试试。
0 v2 I# ?" L$ _- A9 E/ I8 {8 n/ r+ i
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 ...

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
4 z  d7 z/ ^7 t. a+ c- o  tWhy 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。。。
5 `! J" b: X$ A* f" b4 g3 ?2 b
. d  g; y  p; v$ I, W! W! 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

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 ...

0 j) l' i) a# T
: ^- K% u3 h& R6 N1 H是的，兄台说的对。
: k5 X/ H, C. P: d' B: [
: ^4 d+ X  q# u( u- {9 h7 w4 @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。

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。
- i9 m, T9 A+ R9 Y6 j
- I3 ~+ @. L. P& S$ _4 s" e. j3 t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。
* |* \6 Y4 q% ^( c
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

4 y$ P6 d/ ~: M9 Z+ _

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 ...

' B; n$ W* T1 @) O! {' B; B% }: U; o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。

) R1 C: {( E2 n0 b8 ~我已经完全懵了。

沉宝

雷达 发表于 2022-9-25 04:47
0 n0 m( ]/ c& R( R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。
) k3 @: V- C# b2 t! B7 ]
  j: w5 x8 B5 t7 c你还是用profile工具看看吧。现在大家都主观瞎猜。

数值分析

8 Q( ~7 `+ ]9 w( N

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 ...

+ ]* p; ~: i) A

能不能把这个也贴上来，看看和上一个有什么不同？

雷达

  h8 Y" ]' A0 P( F/ L" \( }

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？

) j3 e! @4 x; k0 S9 W& g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
& @. Z6 t7 F) ?' K* f' S' \5 K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.
. R2 a/ |# K9 `! {# d8 a5 z  ]6 t
1 `2 S/ Z5 {$ G  T, |, J( `5 Q内循环试了4种方法，
% E. ~/ u& y( ^) u" W$ W/ C1. 直接调用 vector inner_product 247s
2. vector 循环点乘累加 237s
" v; x! {; t: d7 |3. float * 循环点乘累加 204s
4. 空循环 100000 次 202s

4 V/ _- T0 N; [# o' C$ s0 b# m不做内循环 200s

1 H- g, z/ c! s) f0 s8 \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）

' P* o( T1 P/ l# z) x4 Z6 l3 U% e5 `（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）

: s2 k' S5 c( H- z4 x' J

        std::vector < float > vec1(N);
3 ]9 k5 U' ^  k8 P        std::vector < float > vec2(N);
1 @! P: y! y$ I: b3 J; g" ]+ I        float* b1 = new float[N];
        float* b2 = new float[N];
2 Y" N' {" U' N# {# k0 B
        for (int j = 0; j < 6000; j++)
        {
% g( x* g  S0 B0 K                std::generate(vec1.begin(), vec1.end(), []() {
2 s! t- r1 _0 m5 T& E- {) l                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
/ y% i6 `5 I) s, y# \& G; [                        });
5 ^+ s8 f, X) T1 e1 }1 {0 X
- }6 z* i. B3 [. h3 T+ V                std::generate(vec2.begin(), vec2.end(), []() {
                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
                        });
  u9 R+ y8 p4 x+ t. z% i2 P+ L
7 H0 J3 Q# l5 C/ a5 G3 P                for (size_t jj = 0; jj < vec1.size(); jj++)
  D8 D+ o& ^% l" z                {
                        b1[jj] = vec1[jj];
/ C5 B% _. V! J/ K, x% b9 j: u1 o                }

                for (size_t jj = 0; jj < vec2.size(); jj++)
  N) L1 ~9 Q/ T$ W9 v                {
                        b2[jj] = vec2[jj];
6 [# S2 e" e5 ]( b                }
, B5 |0 T/ s" ^- r( N1 @
                //Method - 1  N=100000 247s  
) o" v$ N( ?9 X; C# i$ R$ |2 y                //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
+ u) Q1 E% Q9 m2 `* K9 T                                
                //Method - 2  N=100000  237s
                /*
7 s+ z! S5 q4 g                for (int jj = 0; jj < N ; jj++)
1 j: M; p5 r3 t, L7 ?; V: W4 R                {
                        fresult += vec1[jj] * vec2[jj];
! `$ q: l- h5 a' S" j6 e                }
                */
                                
                //Method - 3  N=100000 204s
$ b3 Q" |7 f+ [6 G- @% X' C  v                /*
! i5 R+ s, z; q% w8 T! w- i- e7 F                for (int jj = 0; jj < N; jj++)
                {
0 C$ E0 n/ S* s0 f& c3 ?! W                        fresult += b1[jj] * b2[jj];
+ _& a, {1 D" p. A( q# S; z                }
                */
8 Z. y0 [0 x9 y% p) j% ]
                //Method - 4   202s
% s6 g: H& Z0 G( t4 B9 w0 J. {& t                /*
5 {6 K+ {# c$ \8 D3 }                for (int jj = 0; jj < N; jj++)
                {
                        
; Z! q6 f) f" {, L9 \- w) {                }
/ t) |- ?/ ^5 v3 h                */
/ P+ S' E6 Z, [% T4 o" [                //comment out all methods, N=100000  202s               
) ?0 U% {* d  \: [8 Q        }
2 N: K+ R  U  \% o1 x: N, M
        delete []b1;
% u! J6 f: j1 R4 G' O; g        delete []b2;

, g+ b5 k* `8 h

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？
/ z7 [9 e2 ?4 D& W* s
) l* a+ h0 b# j4 j6 S/ F9 L# E5 m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？
+ U* k1 {+ E- w- {0 U' V

雷达

机器猫 发表于 2022-9-27 00:15
" a) V5 M3 i0 H0 x6 E$ b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？
% ?, Z/ V6 l* w2 C6 e! _9 [5 ]
) s. D& V# R/ C$ m* o  a, v你第二个试验里面的j在循环里面又重新定义 ...

9 m2 J2 m& Q, {3 M9 T, G, d/ ~, R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
* k) Y: z9 W' m) N5 E: m
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
  z. Q" V- I% L5 F5 l" T- A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

$ `: ~* l3 a2 r7 U; O2 k& _不和它 ...

1 g1 H1 R6 J5 `
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。
. C/ z1 E( A8 [+ n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
( ?) u2 y6 |. d8 }3 k! Lvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
# _8 E- W2 b# [) A8 P) x7 N9 K% U2 Y{
: P" c- ~4 D. ?4 ~7 \/ |* O        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。
* A: |7 z. A( o8 N: @, C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。