C++ 提速的新发现

雷达

C++ 比 Octave 慢好多，怎么破？
' K  Y7 ?% _" {' Q
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。
# R7 e# x4 g1 v7 C) T
. R( Y8 a& V1 z' r0 u速度优化问题真的很有意思啊。
! e& F$ P* ~* k; U) `. v* x
7 n$ d8 I$ P; T2 }& i4 l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？
. s( o% Q7 x; {3 Z0 w" `# P- G
; j% J9 m4 v2 L) I( c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

& d2 P4 x' _: I5 E

数值分析 发表于 2022-9-24 23:04
) x2 C1 J' S. f3 o6 @3 j1 a拉下来？拉多少？
! [7 j2 N& d' K! ~0 U, X6 O( I6 U把代码贴上来看看？

void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
" k$ a. y- B# k; Q5 U{
% A3 H1 H/ [9 b  g7 g+ m/ E        comp temp, xtimesy;
7 h* a7 o" H4 t1 l* S; d- K        xtimesy.re = 0;
        xtimesy.im = 0;
        int j0 = lenB - 1;
2 ]" X# \9 ~2 U5 @+ i' e7 n        int    i, j, i1, reali;
. ]/ X+ A3 C5 Q- m% H4 m/ c: M        if (lenA % 2 == 1)
# k1 D* m& s% [' ~# z' u) D                reali = lenA + 1;
' o( X& g6 U0 H# U8 c& U        else
- u" [2 x2 n3 S5 U                reali = lenA;
  [2 L. }% s) @        reali /= 2;

        int nconv = reali + lenB;
        //#pragma omp parallel for
: Z8 T8 D% D9 X+ Z( g5 ~: L        for (i = reali; i < nconv; i++)
        {
: o( B. _  t. @5 T* r5 A* h                temp.re = 0;
                temp.im = 0;
1 S9 v- o) d5 s/ Q1 e+ s                i1 = i;
                for (j = j0; j >= 0; j--)
3 {' o; s( x5 n8 ]3 L- i% R8 M                {
8 @, f" [0 }' X4 o& k+ v+ J( _                        /* floating date operation */
; t8 [5 p& T7 B0 t" D                }
        }
}

5 W$ ?$ H4 A1 G1 w0 Qxcorr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
9 n4 J! \% o+ E8 u  h0 T, R/ a
% q+ ~. G" b0 M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.
: q. e. }+ q7 k

雷达

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

7 p- U% o$ ?& \3 v
不应该，看我上面的回复。
( _& v& e6 H7 g0 i: z
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
6 J/ b' `6 l- _! {3 ]+ U$ s# F1 Zvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
- G( A/ D# M/ g: @' g* j0 Q{
$ d  w/ G4 [3 u% u& J! w+ ~/ D        comp temp, xtimesy;

5 F4 S' _/ B6 t
这个不是这么比的吧。。。
, x! h( ?, P8 D9 g
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）。

2 B! y' g5 k/ b0 U+ ^* O+ \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
( J: ~4 U2 x1 Q' \  R% H& m8 L这个不是这么比的吧。。。

+ C" z5 S. e0 v8 k( O5 x6 }: v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）。

& V- m; B( x( S* r$ ]. s+ `6 ?. E. T有道理。
, k" P- V; P  Q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。
& O7 @0 @! m6 C: b2 F$ g
/ L$ Q( n6 u7 _( Y$ T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。
% |7 O; S9 @6 M  x1 {0 M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
& b, Z2 P" U, l( \6 q这个不是这么比的吧。。。

- n4 n* L" _8 }: X# S1 f! 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）。

而加上内循环，光jmp和dec指令就至少多执行了6000个

! V* J. X2 h. \# l
, n) s+ u  u# O/ r- u% u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

: {7 a9 t' [# t9 |# S, p

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 ...

( O3 j- P- D% _, X7 [! y是的，兄台说的对。
; |. F  V  p( Z4 C
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。

6 d+ Z) |* l3 }& h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。
8 e% H$ b: F% y$ ^# c  a
' s4 v% V# X& t! B1 s, E( f: P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 s, ?5 O- |& r% }  g" m
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

: u9 z9 o; G4 w* r+ v# g

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 ...

2 z7 x) Z* x' X; y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。

) e! o7 P- o8 X2 l9 L* U9 k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 ...

- I. q. O9 o" _1 G时间差一倍的结果可以接受。
6 o* X9 V$ V* L$ w! {% a4 I
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 |( U: ?" D! p0 w- h' n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 ...

7 O: [& `! i/ T8 S/ {

9 P* H& M  B+ j& i
. @  [" y4 G: y2 Z- W+ d. j& E9 l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
* x  K! A+ t3 P  j- B能不能把这个也贴上来，看看和上一个有什么不同？

0 V( p5 ?! i& P* Z理了理思路，重新做了一个测试。
5 k0 E% L- t4 M* G8 E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.

4 i- ?# ~. m1 k4 W. P( P; v  A, @' _内循环试了4种方法，
8 B$ Y  z* \- |. R1. 直接调用 vector inner_product 247s
8 b, ?5 O. [0 c  ]& Z2 {" e2. vector 循环点乘累加 237s
3. float * 循环点乘累加 204s
3 s/ N( _  ?. d, n1 F0 O9 ?4. 空循环 100000 次 202s

不做内循环 200s
7 i  w% y' o& B: X7 d, M0 V/ C
你昨天说的对，内循环本身占比是很小的，大头在其他处理。
* p5 M' m" H& A$ S另外可以看到， float * 循环点乘累加 并不差，比用vector 还更快。
- I  }2 s3 E% V' ^' z
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）
5 E$ y/ S1 I6 k5 I3 g& s8 J" x
9 U- [& g9 R4 `. @3 D

        std::vector < float > vec1(N);
7 V$ w* _2 e; G& @1 @) b* x        std::vector < float > vec2(N);
        float* b1 = new float[N];
        float* b2 = new float[N];

        for (int j = 0; j < 6000; j++)
( K# W, _9 c% e  e        {
                std::generate(vec1.begin(), vec1.end(), []() {
                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
                        });
1 ]9 T7 l. C" a. z( y( I
) `6 d* |! G$ P6 u                std::generate(vec2.begin(), vec2.end(), []() {
                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
  Y6 D. ^0 G( a/ j                        });

# X3 E" o* v1 [+ B                for (size_t jj = 0; jj < vec1.size(); jj++)
                {
3 Q6 r# l/ F8 T: F. [" L3 Y                        b1[jj] = vec1[jj];
                }

& R- B' Z+ A0 T% [: w! d                for (size_t jj = 0; jj < vec2.size(); jj++)
                {
                        b2[jj] = vec2[jj];
0 ?5 s: F, O! |% p% s( G                }

                //Method - 1  N=100000 247s  
9 H0 N! m0 R- r* h, j# j  [5 Q- I5 g# {                //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
                                
                //Method - 2  N=100000  237s
                /*
* k/ ^! b% Y- j6 J0 O# X1 c! t                for (int jj = 0; jj < N ; jj++)
                {
                        fresult += vec1[jj] * vec2[jj];
                }
8 f9 v1 N  |1 h" m; Z7 E" B/ t                */
                                
  v; G- L. X6 {1 D7 T# w                //Method - 3  N=100000 204s
                /*
                for (int jj = 0; jj < N; jj++)
0 [. v7 }9 i! ~  m' P5 r( [                {
                        fresult += b1[jj] * b2[jj];
- j$ _3 M) X1 ]6 E& t8 y                }
9 x3 ?' N( _4 ]                */
  u2 a8 X0 ]# \) ~
# r" C# q" u) b7 q: k7 Z                //Method - 4   202s
# B; `, e& n9 x. x5 V                /*
                for (int jj = 0; jj < N; jj++)
) D) d% \! |; C6 `9 ~                {
                        
. O7 e' l" T: ~$ k* M1 o                }
& B* [$ H- I8 h4 j0 I! @                */
                //comment out all methods, N=100000  202s               
        }

. x5 |/ u1 M5 r9 ]" I/ S* g5 d        delete []b1;
$ b0 O3 c, L+ ~" z; A        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？
. \+ J; Q5 o0 V% O6 _. u/ ^
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？
- V% S  _# g. C8 e  l+ w; _

雷达

机器猫 发表于 2022-9-27 00:15
. [2 ^) B5 F9 ?; `5 ~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 ...

" ?3 p, i/ r/ s/ U0 I4 {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
8 p" M4 }4 J) C; p0 k9 q/ o5 b" i
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
. r! E  @7 f7 t% H8 ~- V' H& 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

不和它 ...

" G: i, c$ `5 R9 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。
2 _+ ^2 M/ n1 Q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)
{
$ [' d, v: P& v+ D4 [* q& X        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。
, B# c) j) e9 }6 P8 h" _% {# ~. [) o+ E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？
+ |  j4 K) M' x1 ?9 PVS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。