C++ 提速的新发现

雷达

C++ 比 Octave 慢好多，怎么破？
  L  e0 o8 }* _3 L  i; C9 y. G
) @( S6 O" X9 J" P7 T" w/ a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。
9 ~. p& m! e+ N$ p, j) T# o
速度优化问题真的很有意思啊。

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？
! U" X) \) h2 F
% j: i) ^5 |6 A5 S/ L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
/ U( D8 `! a0 n; t4 o: E* g拉下来？拉多少？
$ `2 J8 n7 ?+ X4 L9 Z& r把代码贴上来看看？

void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
* k/ G1 d5 n! r+ U        comp temp, xtimesy;
        xtimesy.re = 0;
( |# ?* ]) a3 W2 b' _) W        xtimesy.im = 0;
) b+ f+ ^6 ?1 U% ?( g% o0 V1 x2 C8 e        int j0 = lenB - 1;
        int    i, j, i1, reali;
        if (lenA % 2 == 1)
! z, V- e% ^$ k5 q! P. J  z. l$ r8 q                reali = lenA + 1;
  b5 m9 {$ B% B, t, V) x8 w4 w* N        else
$ M' E# Z7 r; B* N; v                reali = lenA;
* N& s8 e3 {- Q  P        reali /= 2;

' w8 J4 A0 i2 Y        int nconv = reali + lenB;
! j3 Q: j* Z1 R        //#pragma omp parallel for
        for (i = reali; i < nconv; i++)
        {
' `  S8 O6 a9 v6 O  C                temp.re = 0;
                temp.im = 0;
                i1 = i;
$ [0 H% I0 M+ u) C* e' i7 |                for (j = j0; j >= 0; j--)
                {
  X! H0 T1 V" O                        /* floating date operation */
                }
        }
}

$ `  O, P( Q! X4 Bxcorr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
0 l! K! i+ c1 t) L
1 u% U- e! ~; S+ H5 p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.
# \- t% C* g: O9 w
如果把红色部分内循环本身完全comment out， call xcorr 1000次，耗时 <1s.
4 i1 e: Z' n3 M. n& Q
: p& X( s. n9 q. p9 U

雷达

风雨无阻 发表于 2022-9-24 23:33
# n, e1 z. ]: FMaybe Debug mode?

, _4 ]! f' i8 \) P
不应该，看我上面的回复。
* [, |) Q! v) a! j+ m9 G# k
我更怀疑是 VS 社区版的问题

数值分析

+ m0 ~7 Q% t5 b1 j# q. {( l

雷达 发表于 2022-9-24 23:54
# C% B) M; l/ B) h) evoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
        comp temp, xtimesy;

5 D+ x- M: [( r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）。

. O, s5 `! N  q1 h( N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。。。

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）。

4 ]6 w. z8 i. ^! l; [7 |& G有道理。
) n6 |9 l4 u+ e+ M$ 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，记得 numeric 库里有算向量内积的，我回头试试。

: B$ z! `  f  L9 N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
) i' J( i3 C" {/ l9 [# |6 F有道理。
' l4 b6 y+ A* C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 ...

. c& t" O: J% h' y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
& Z- n: B, q0 z$ ~  |这个不是这么比的吧。。。

. o; u% [1 w7 @, W. ~  L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

7 P0 b0 Z5 A) M$ Q9 W2 d& U! z6 _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
% k0 B( U4 a9 d; Y- A# g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 ...

是的，兄台说的对。
3 {2 G. L+ C8 Y6 q( ?. O
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。
+ q$ w8 U$ P, T0 \( ]5 R
; l: A3 _3 p% F( X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。

; {  j/ x1 X) O; ^. 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。

% {1 L( e* L# T/ r" V" [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

+ x% ]/ c/ x1 d5 J

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 ...

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。
8 H% u: {* _4 p/ _$ U
" ~( A6 {) F- A! k7 _5 e2 y我已经完全懵了。

沉宝

雷达 发表于 2022-9-25 04:47
3 D, ^" w$ W0 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。

你还是用profile工具看看吧。现在大家都主观瞎猜。

数值分析

, i! W6 J! A' v) o/ {

雷达 发表于 2022-9-25 04:47
; A# i6 t: ?* C- {5 R* K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 ...

" k9 \' |5 T( a7 _, W
; z/ B' r9 k* \* T! c" S0 b

# H3 v  k4 F) N  @9 Q" ^9 R& f2 t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
3 v: ~0 e6 h# W能不能把这个也贴上来，看看和上一个有什么不同？

) N0 ?7 c5 ]: t理了理思路，重新做了一个测试。
" T( X2 m: ^- d) e* o做了两个 vector 和 两个 float *, 都长 100000
+ W/ E4 W7 l" d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.

: |+ h1 x- X: l. s1 m内循环试了4种方法，
6 q- M4 ]' S: C0 o1. 直接调用 vector inner_product 247s
) k* b) M0 z/ g" u2. vector 循环点乘累加 237s
3. float * 循环点乘累加 204s
4. 空循环 100000 次 202s
3 w# o9 s! w! O
" @4 x% Q5 I" L+ \- k不做内循环 200s
$ f' K3 J. z* c+ i/ y# k
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）
; |+ c- |: q  C8 G
（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）

' r' n6 z, g" H$ q- T

        std::vector < float > vec1(N);
        std::vector < float > vec2(N);
" K  `7 L1 O! p- X% f# `6 x        float* b1 = new float[N];
        float* b2 = new float[N];
8 e3 Q& J5 f* O, x) }) g
0 z4 A" U5 {9 a8 a; ?' C) d        for (int j = 0; j < 6000; j++)
1 {3 q& @4 Z3 @* d4 r8 X        {
                std::generate(vec1.begin(), vec1.end(), []() {
                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
# ~5 h  Z- q9 L6 b                        });
  ?6 P7 I) B! a' _  K. a
                std::generate(vec2.begin(), vec2.end(), []() {
8 t* t: {5 ]8 `. {& y8 u3 v9 F                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
                        });

                for (size_t jj = 0; jj < vec1.size(); jj++)
                {
                        b1[jj] = vec1[jj];
8 }4 D8 P: B# ^4 e% [                }

4 G  t6 T6 ]$ \* [$ R  I7 g( `                for (size_t jj = 0; jj < vec2.size(); jj++)
7 Y9 ^. X2 D% M$ K# K                {
: S8 g& E3 y2 S. @. I! Q5 b0 b                        b2[jj] = vec2[jj];
                }
' T2 i( q4 S% J# i
/ a8 G, v1 X4 q. e$ _" F, g; Q& ?                //Method - 1  N=100000 247s  
$ i/ a( O8 j! l) m6 l* t                //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
                                
* \8 L- g7 \7 z                //Method - 2  N=100000  237s
9 J9 b; Y" r) F                /*
                for (int jj = 0; jj < N ; jj++)
                {
; n3 b. r6 G6 o5 _/ o) M# c" c                        fresult += vec1[jj] * vec2[jj];
                }
                */
                                
                //Method - 3  N=100000 204s
                /*
                for (int jj = 0; jj < N; jj++)
" s6 e) t& h+ C6 Q- J1 `' V                {
                        fresult += b1[jj] * b2[jj];
                }
                */
6 h- C* Q6 S$ X1 E' L9 x) [& ^* ]5 o
& F( k* `! J) j                //Method - 4   202s
                /*
+ z) t* @( P' j( w) ]                for (int jj = 0; jj < N; jj++)
6 G; A$ k* {# x: L# w7 v                {
! h' E: \3 F  J+ H! s9 p                        
1 v* N" s* N( `* z0 o                }
                */
                //comment out all methods, N=100000  202s               
        }

6 F# M3 O- u$ B1 C' y        delete []b1;
        delete []b2;

! k9 w. D( A- O# w  k# F% {9 U9 U

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？
8 F; i' j6 C. |" y- E
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？
- R: A% e% E9 C

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？
# d5 ?8 Z" V# W/ p8 y
6 S: I" k, f1 c4 r) V% \$ G; K你第二个试验里面的j在循环里面又重新定义 ...

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
; j9 A- z" R" g- \4 p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, z% u! Q: K. j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。
" Y8 _- @  P; M2 h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
2 F  V; ^+ b$ b& t6 V& F" Lvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
        comp temp, xtimesy;

5 @9 R1 j0 a9 U, f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。
- y) X& S, _8 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？
! |5 ~3 ~; e, Y  A4 WVS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。