C++ 提速的新发现

雷达

C++ 比 Octave 慢好多，怎么破？

1 {. q* |! K+ I' G# b/ |5 k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。

" w% \+ N) s: h6 r6 n速度优化问题真的很有意思啊。
: R: ^/ `3 j0 ]; c
: o7 Q) G9 f5 ~) C+ `4 Q: q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？
# o4 H4 a' h: \
) t: S" g; u, H: I1 ^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

3 c6 k4 ~9 F6 U% a

数值分析 发表于 2022-9-24 23:04
拉下来？拉多少？
& n! t. b2 `' }" U  e把代码贴上来看看？

$ I( ?( T7 Z2 }3 V. d7 _
. q5 K* ~; X+ Y# i: hvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
        comp temp, xtimesy;
. z5 t" L& t6 B5 e$ P        xtimesy.re = 0;
        xtimesy.im = 0;
        int j0 = lenB - 1;
        int    i, j, i1, reali;
6 s; V; P8 F1 {( x# W2 A/ F        if (lenA % 2 == 1)
7 K/ ^+ u- j4 W6 e. [6 l                reali = lenA + 1;
5 T; i6 E4 n- E! Q7 H        else
5 T- \9 L+ \5 g+ u( {  B" G                reali = lenA;
' w& v4 |# x7 @! r) m1 g5 `        reali /= 2;
) o- g: _% U- o% F* B  Z/ }
* y+ Q9 L, y3 k" [        int nconv = reali + lenB;
5 b3 a& H$ p- i! M* n        //#pragma omp parallel for
        for (i = reali; i < nconv; i++)
        {
                temp.re = 0;
: v5 w; Y  l) Q& b                temp.im = 0;
                i1 = i;
# [; p/ Q3 T2 [2 `                for (j = j0; j >= 0; j--)
5 E4 e, ^$ j+ c& e/ s                {
                        /* floating date operation */
. v, T# J, O5 ]1 c5 t                }
        }
2 Q# z8 l( t& C7 T8 b* l9 }}
1 @1 R* N3 H9 y8 L2 j" [/ K: ~
! b2 M, ?0 y6 _& s$ Q2 _7 s6 }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

& G, n! u: b2 u红色部分是内循环，现在其内部操作都comment out 了, j0大概是 6000。
) c- |6 `( F# ^现在call xcorr 100次，耗时78s.
, c' g( e( A. P4 a5 M
如果把红色部分内循环本身完全comment out， call xcorr 1000次，耗时 <1s.
: q  a1 N1 W2 q+ Z; ], A6 W

雷达

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

1 M  t2 u. p4 k) {+ J! Z
2 w% s: q6 @6 C" ]" y: ?, W不应该，看我上面的回复。
6 S6 h: l/ o0 a- X  W
% [/ `9 {, ~+ \5 g我更怀疑是 VS 社区版的问题

数值分析

. c$ U5 K+ F- ~/ `

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;

- w# W% U  x) I4 K: ^
! t, e& _2 d) Z1 n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）。

9 M$ ]8 r" e4 P/ O$ A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
' k* r, N2 O& S( T: l9 l+ n这个不是这么比的吧。。。
( S+ T+ u8 U4 d8 o4 D) s
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）。

- Q0 G. C' r5 V( _有道理。
5 G8 x! ^' P$ w; t# |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。
& l1 l* A8 L; e5 J1 k
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。
# F( N3 n& ~* P! v7 o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 ...

, P* A! u1 G3 ^0 x! l' n. ~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。。。
4 n$ e! ~- K1 Q1 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）。

而加上内循环，光jmp和dec指令就至少多执行了6000个

2 {* u5 p: H' S' ~2 h
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 ...

( j9 g* ^* B3 ~5 _: F
是的，兄台说的对。

+ F& X+ w; Z. ^( n$ I" C* D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。
- I7 Y: r/ l* a0 x1 Q
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。

( g: [1 v- ?/ D: m. P% e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。

3 o+ S6 f  q: X1 w  p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

. K1 ~2 k( H0 `. T" r5 [

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 ...

; O. q& p6 @$ X  X2 ?. y
9 |+ Z1 s* f% L# l% j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。
9 N9 ]. Q9 X6 G/ T: o( U" f
& G9 T! n% p) G& }9 N  P3 F我已经完全懵了。

沉宝

雷达 发表于 2022-9-25 04:47
0 ?9 ~( Q6 `: n( c+ 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 ...

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

2 }' L, Z  f7 f% R2 e) f) D

雷达 发表于 2022-9-25 04:47
% Z/ g: V" K$ u* E" I. C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 ...

# j' U$ ~  m, K/ q: S: R; m2 q能不能把这个也贴上来，看看和上一个有什么不同？

雷达

$ q9 e9 n5 s  p! r

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？

理了理思路，重新做了一个测试。
& \! A$ [1 H* L* o" |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 c: _8 l3 C/ S( D/ ?* \2 M内循环试了4种方法，
4 h& X  I5 l- Q$ o: V3 G9 X% U/ T1. 直接调用 vector inner_product 247s
0 \/ {8 W# p( D, T2. vector 循环点乘累加 237s
  }) a8 |% B' Y0 b' }) g. U4 k3. float * 循环点乘累加 204s
4. 空循环 100000 次 202s

不做内循环 200s
! C; E. F9 F$ t' _& L8 H% q
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。
* w' F! E( R/ J- T
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）

        std::vector < float > vec1(N);
& y& x$ v. A/ f2 I% |. f        std::vector < float > vec2(N);
        float* b1 = new float[N];
: n# n' s& l  y  y0 P. _        float* b2 = new float[N];

# J: `" `7 Q8 W( G3 D3 _  T        for (int j = 0; j < 6000; j++)
        {
  ?6 F4 M) O- C" C6 |5 {3 p9 O5 f; ]                std::generate(vec1.begin(), vec1.end(), []() {
$ s# ?* ~8 _! j: {4 l) E                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
* m$ T* ^8 `+ G. D; j+ v                        });
8 D4 O- x( z7 F. o/ c2 B7 z' a/ y# J# W
                std::generate(vec2.begin(), vec2.end(), []() {
  g: v, s: j4 ~% y) o8 y                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
                        });

4 b# W" h- @. F                for (size_t jj = 0; jj < vec1.size(); jj++)
; E8 D0 c. \6 T5 M% p; o                {
+ a2 G! W4 b3 m, p! @' O                        b1[jj] = vec1[jj];
0 h( l) v' Z# N  y2 _4 |$ K                }

                for (size_t jj = 0; jj < vec2.size(); jj++)
                {
                        b2[jj] = vec2[jj];
                }

                //Method - 1  N=100000 247s  
                //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
                                
* A* d% i# D$ a5 ?' e9 i                //Method - 2  N=100000  237s
                /*
                for (int jj = 0; jj < N ; jj++)
                {
                        fresult += vec1[jj] * vec2[jj];
                }
                */
1 K5 |8 J, e$ l. @9 L                                
, F3 Z1 d2 Q# L3 z                //Method - 3  N=100000 204s
7 z# f! Q8 Q- q* Y                /*
& R, a: r2 B* T% C; x, z8 L                for (int jj = 0; jj < N; jj++)
4 _+ m# s! l% t. b, t+ [. ~                {
7 k! s' i7 @, U3 p& P1 s' `) Y4 g5 K                        fresult += b1[jj] * b2[jj];
% r& X( \/ s- ?                }
. @' X" Y9 v1 v. H1 J                */

- X6 `% I; O  S, C3 r% r7 u5 }" @                //Method - 4   202s
, ?/ e) ]( B% n* c                /*
+ {7 l  {2 A! p- E1 s$ ~6 H                for (int jj = 0; jj < N; jj++)
                {
7 f! P1 }' ?* ?2 h                        
/ N* x" T+ `3 S& I6 I. Y* ~9 }                }
; B+ ?- Q$ Y& T7 @0 C$ S2 H                */
                //comment out all methods, N=100000  202s               
# Z3 u$ A/ \2 R/ Q" [6 o& @        }
2 G0 e5 p1 w( I8 Y
1 V  }2 V' _, |' V4 L  R3 Y        delete []b1;
        delete []b2;

1 I. O9 P3 @3 ?, a- d, n" W, D

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？

1 T6 E' d" [+ [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
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？

. J$ G" h, D6 Z1 d你第二个试验里面的j在循环里面又重新定义 ...

( ?- D5 f& A, N0 a2 Z3 D- F9 I: I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
* o: V/ U) z: V$ Y" m
7 r0 |/ K+ _) H5 T+ H: P# x  f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
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)
{
% Z4 ?' L/ |8 N; [6 @9 Y/ _! F$ A        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？
5 n: c7 z, v1 `5 e+ c. p- S9 @1 RVS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。