C++ 提速的新发现

雷达

C++ 比 Octave 慢好多，怎么破？

6 C7 I2 }3 i8 |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。

+ ^! ~* q1 p6 f8 e速度优化问题真的很有意思啊。
% K( J$ h, u' p( L+ J2 e: f* o
9 @3 e! r" W. z" P欢迎大家继续讨论

数值分析

拉下来？拉多少？
& C  ^7 ?7 p* {  M# W把代码贴上来看看？
& z! W: B, w# L) I* [
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
拉下来？拉多少？
3 R. o) \6 B# c: F6 E6 z0 a$ _把代码贴上来看看？

1 {3 C! R" O- u/ K% t
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
        comp temp, xtimesy;
, _& ?; n/ A) q8 a: |- p1 v" N        xtimesy.re = 0;
        xtimesy.im = 0;
) x1 p2 u; t& O% q3 M8 z( X        int j0 = lenB - 1;
        int    i, j, i1, reali;
2 w, Q; s! u5 J! o! ~        if (lenA % 2 == 1)
7 u" T" W4 L# y1 h                reali = lenA + 1;
        else
! r  z8 L* K7 \( A8 N: I+ z. p                reali = lenA;
        reali /= 2;
6 E) g7 x- ^: o4 N2 Y* a
: O9 d: j# N" |0 g2 \        int nconv = reali + lenB;
        //#pragma omp parallel for
        for (i = reali; i < nconv; i++)
0 i3 i: }) `, t, b& a7 |        {
                temp.re = 0;
6 f( R$ ~; a+ r7 n# c. r9 o                temp.im = 0;
5 Y' M: l5 F5 Z' h                i1 = i;
7 J( Z+ y6 H9 T( o" n# g5 x                for (j = j0; j >= 0; j--)
                {
                        /* floating date operation */
                }
        }
}
$ j8 G7 d% v0 U
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

" F8 R8 A% g0 [& V9 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.
/ G3 }, ]9 L4 @* k" @' V1 A2 k6 `7 ?0 l
如果把红色部分内循环本身完全comment out， call xcorr 1000次，耗时 <1s.

' X% B8 Z$ q6 |) `. B% z

雷达

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

不应该，看我上面的回复。

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)
{
/ X' X& R1 y! y' y! i        comp temp, xtimesy;

& p- d6 j4 {# E. [
( v0 N' ]7 U; l' E  `+ w  o" i这个不是这么比的吧。。。

% I. V1 p# J& K' 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）。
! b! q- J7 [' [8 _$ V( o: G
1 T& w  D5 O" l: ?7 X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。。。
- G4 R% c" H0 @- H" h& t7 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）。

; F% S0 k8 ^% w4 k
- x9 l9 T3 E* O4 r有道理。
; A1 z+ |& e$ @9 v1 H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。
7 a" Z  A. `* G" c0 ?
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。
0 E6 O- h1 g, [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
" i+ D+ ~: Z+ |4 T这个不是这么比的吧。。。
3 H# l( N1 v7 g7 d' w1 `  w; D/ e
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

9 @$ H8 r1 x6 ?5 b% R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

% Z' ~# L$ [' `

沉宝 发表于 2022-9-25 01:48
* u3 z$ M4 p# m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 ...

5 x" v: J7 ~( ]) J4 C  z
是的，兄台说的对。
* B/ y! v8 o0 r* Q
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。
! a* Q7 t: ~, U
6 H2 _' B) Q( x0 t9 X- a, K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。
5 X: j0 b4 I8 V
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 n9 \9 M9 n" w( w; n/ t) T0 t
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

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 ...

$ I( W& }) s5 [& 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。
) h( o4 [( d3 Y5 b+ S
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 ...

0 X: K% E& P+ r: y时间差一倍的结果可以接受。

* Y% y5 l+ u& q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
3 J: s5 z0 g/ G+ U( g) u. _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 ...

  g1 Q( F8 D8 h2 M+ l0 k

* I* s, l$ z0 @) t  _& c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
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。
! U( S9 q7 o9 }做了两个 vector 和 两个 float *, 都长 100000
4 V- j3 \9 o, K9 h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，
( a- g1 J- r' \2 N1. 直接调用 vector inner_product 247s
0 L1 e  l+ B# T2. vector 循环点乘累加 237s
3. float * 循环点乘累加 204s
4. 空循环 100000 次 202s
+ F7 }% r  q5 F& v# Z
4 [! e# l% `. K2 b7 Z/ v& P" W/ W不做内循环 200s
9 W1 Z$ K1 P% N2 q7 j3 N" Q8 h
你昨天说的对，内循环本身占比是很小的，大头在其他处理。
2 u6 |# O" V' V3 G; o; D$ V+ @& P另外可以看到， float * 循环点乘累加 并不差，比用vector 还更快。

0 s5 q' z6 ?. ]  K0 M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）

: k* m+ C7 g7 G  a（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);
0 K' _$ g! z0 X9 i4 y! J        std::vector < float > vec2(N);
: l. a) n4 ]1 L  F8 L8 ^        float* b1 = new float[N];
        float* b2 = new float[N];

" D! x+ f+ P$ ^+ c8 b6 H; j        for (int j = 0; j < 6000; j++)
        {
! S: x" J  l6 V  Z                std::generate(vec1.begin(), vec1.end(), []() {
                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
0 Y: e# J- h7 r                        });

                std::generate(vec2.begin(), vec2.end(), []() {
                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
                        });

+ a8 h* ?1 r; K5 P3 U- `                for (size_t jj = 0; jj < vec1.size(); jj++)
9 `2 y$ b+ |( l                {
                        b1[jj] = vec1[jj];
                }
7 K2 J( d$ V4 o; s
5 p3 _# M& R, W% f. |, T8 U& r- M                for (size_t jj = 0; jj < vec2.size(); jj++)
; c* E+ ?+ A/ V. K% T( M- i                {
! A& |+ q" Y- Q2 A                        b2[jj] = vec2[jj];
& C7 r: k, Z2 K1 n( J8 V                }

% @1 p' [+ P" `; L9 H) ?( c0 p( s                //Method - 1  N=100000 247s  
                //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
( {0 C( o( u/ U2 [6 g                                
                //Method - 2  N=100000  237s
                /*
                for (int jj = 0; jj < N ; jj++)
$ T6 P& @0 e' L5 Q  q/ n                {
                        fresult += vec1[jj] * vec2[jj];
                }
$ H% I1 j! z; f6 y9 A                */
                                
' z0 N- [4 e* i# w2 v                //Method - 3  N=100000 204s
                /*
( H2 O  p+ C* o* A                for (int jj = 0; jj < N; jj++)
* W. `1 y% j6 F0 o                {
                        fresult += b1[jj] * b2[jj];
% w. V! K7 d; h8 D7 P5 ^% p$ f" ~( ?                }
" [, c- A  Y# w- J5 {! ?                */
0 P' y& n: c" E$ I/ l6 {  p6 K
3 C- V$ {* Z  ^) m" p1 t                //Method - 4   202s
( o* {/ O/ c) ?9 V6 W                /*
2 D  S- R$ q  I% O0 o4 ~                for (int jj = 0; jj < N; jj++)
                {
. s' D* o5 u5 S3 S$ F9 z                        
/ K6 Z, _) j; y. P  m# ?                }
                */
                //comment out all methods, N=100000  202s               
! X1 s  M. t5 A, ]        }
  H- V) n4 T7 M' H) C7 G1 o
        delete []b1;
  c" u" o' x8 o( K$ P        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？

( @' B0 X9 S4 F- W1 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？
/ c. U5 ?0 M3 e6 r

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？

3 D7 `- j6 l4 d7 d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

+ D0 q# {6 p8 U5 j4 A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
! c4 {/ @$ m9 t3 t( c: X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
& e7 n* ^( K6 s# N7 ~& O
不和它 ...

1 m% i) r+ Y) P) v* ^3 r7 N
' H1 @+ f4 V: r8 K* E; t( G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。
1 L  j$ I! l% ]' I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
( N, _. Z, R9 B2 T- r5 `! nvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
0 a5 _0 N! {0 a  {0 \        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。
/ T5 e: ~" f$ M$ d+ F6 ~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。