C++ 提速的新发现

雷达

C++ 比 Octave 慢好多，怎么破？
* k- Q& G% Z- J7 x* ?
# m3 V, R8 y/ R: Q/ Y- T7 B+ g1 q2 d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。
* c. W" _2 O1 w/ |% H
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？
! J! t0 E# y. K3 g3 |6 `把代码贴上来看看？
0 D7 X# [& A8 @* V2 h0 ?% ~
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

5 E/ Y, N* [# i4 _4 `; Y

数值分析 发表于 2022-9-24 23:04
# L' v1 J) M# x2 v" I拉下来？拉多少？
把代码贴上来看看？

# W! h) J$ ~+ K  {# ^9 {
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
( C$ f, N  o! F+ O- {. W. C3 y2 \{
6 z4 Q7 m- v" R        comp temp, xtimesy;
        xtimesy.re = 0;
        xtimesy.im = 0;
/ [4 c/ J1 Z4 H$ [1 L7 L* C        int j0 = lenB - 1;
        int    i, j, i1, reali;
        if (lenA % 2 == 1)
8 ?4 Z0 E, k6 J7 ]. V: \: e                reali = lenA + 1;
        else
                reali = lenA;
        reali /= 2;
, }4 @( \! c3 v' Y% d, v) I
9 r2 R8 S/ h+ e( P  W" a: [        int nconv = reali + lenB;
        //#pragma omp parallel for
% _, r% q0 ~' j* J% q- A        for (i = reali; i < nconv; i++)
        {
( `! l$ v& v' f( ~$ {                temp.re = 0;
6 H! F" i. N$ }) Z" k! Z: d                temp.im = 0;
; u5 L2 b+ W' U( K4 c6 n; S2 e: y                i1 = i;
  Y4 T8 F8 ?( @                for (j = j0; j >= 0; j--)
                {
                        /* floating date operation */
                }
* ~: L4 [0 H) d3 M. p2 |4 W, d* l5 P- H        }
. _( _2 B, l9 U& s) U/ n0 c" `}
2 @" i3 l3 T+ O; t/ T* r+ Q
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
; T# @- [; u' H$ t
& k& N# v" T( h+ _, A, N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.
3 V* I4 f# L9 V. ]6 c$ q* Q0 P/ R
如果把红色部分内循环本身完全comment out， call xcorr 1000次，耗时 <1s.
4 b* j& O- D9 X9 ^5 C+ o/ U4 z. o
/ D0 {% i! w3 {# B" V( ]9 O: y1 g% K

雷达

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

( o& U5 u( ]4 R5 ]: F: _; A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

+ m' ^* ?7 }2 M7 R. x* e

雷达 发表于 2022-9-24 23:54
; v3 O  r% R% z  o  x) Bvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
3 F: c  k. t1 j: l+ @" l{
8 m8 G! s% v. B' O  q, E        comp temp, xtimesy;

这个不是这么比的吧。。。

/ {% [. N2 M6 y. `) C8 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）。
$ A3 B1 L& ^, s; s
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

* f) M  S0 ^% k$ s' ]' l

数值分析 发表于 2022-9-25 00:20
9 a( J0 [3 f2 W0 o这个不是这么比的吧。。。

7 Q, {& ^3 t1 \" Z9 d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）。

有道理。
( [: _. ~0 E5 N+ J/ Y$ m4 ?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。
! F" I" f6 L1 k! ^  p" @6 X3 Q& \
# ^- ?; {+ K1 p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
2 }" h( F) v5 y. |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。。。
# V: C6 P/ [, }; [: |7 ?2 P1 E
) [" y3 O: m6 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）。

而加上内循环，光jmp和dec指令就至少多执行了6000个

* V8 h, `' W/ l( Y
0 b6 L2 u$ T% _! G5 \  j3 b9 P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
6 T$ I) |( Z# q6 _- H, c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。
0 ^& @! l$ Q+ Q' u3 T3 H+ s
, r  \9 W* Z/ \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 @/ V" @0 W' S1 u  I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。
. f$ ^' b2 K8 F( m' Y4 b5 k
! ?4 N, Z/ m: 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。
! I2 D/ `. O, k* `6 ^; K
. r$ q  s! W- u& A* p/ J6 I+ K/ ]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
- z# M7 S  V1 ^! G+ |7 E  C+ K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 ...

3 J' u' q7 ~  |% b
# t+ H' F' Y7 v) M) _0 I# Y! Z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。
1 c+ n% Q1 g( 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 ...

时间差一倍的结果可以接受。
( b) R2 b; _% i9 t2 N
你还是用profile工具看看吧。现在大家都主观瞎猜。

数值分析

0 X3 @  k7 n8 f  M5 m8 ^4 }

雷达 发表于 2022-9-25 04:47
8 y, c2 _2 ]1 a+ D3 f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 ...

  ^2 N+ z0 i" u: t


能不能把这个也贴上来，看看和上一个有什么不同？

雷达

9 W+ S9 W5 Z- o! ~" k( p9 q

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。
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.

( [: ]2 u) r( E8 p内循环试了4种方法，
$ B& |, ?7 D- _$ |3 ^' c3 c! |1. 直接调用 vector inner_product 247s
) H- o+ R4 Q+ E2. vector 循环点乘累加 237s
" J, v7 l* q$ @1 G9 U5 |  K# L" R2 N2 ^3. float * 循环点乘累加 204s
8 I: {' U8 n6 z8 v* X4. 空循环 100000 次 202s
; ~3 W4 S6 B. J; \( V
不做内循环 200s

- H. ?2 E! F" Z3 Y& f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。

2 S" k% F2 l  a$ A( q/ w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）
1 ^' {5 a# w( e# F) T; t# w
（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）
$ l3 ^! r9 t+ A1 J, Y3 A
9 ], o: K; ~3 u4 R- |2 W

        std::vector < float > vec1(N);
4 a3 }. q9 ?# M. i+ r- j        std::vector < float > vec2(N);
        float* b1 = new float[N];
5 J. m* Z8 H3 u        float* b2 = new float[N];

- l3 F4 i! r, X- K- n. T! e7 y- x        for (int j = 0; j < 6000; j++)
0 T  e* }2 u5 T+ d        {
                std::generate(vec1.begin(), vec1.end(), []() {
                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
; Q# f/ h: b) j; D) z- D1 A2 p                        });

  b9 c6 w7 g! {                std::generate(vec2.begin(), vec2.end(), []() {
                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
5 m( J" P6 d6 Q" d                        });

; N2 v2 a5 C' Y* ]1 w                for (size_t jj = 0; jj < vec1.size(); jj++)
                {
                        b1[jj] = vec1[jj];
+ K# T3 L' s$ l3 y. X3 h- K( Z                }
" K- O0 {3 P. `% w3 W9 M9 d$ U
                for (size_t jj = 0; jj < vec2.size(); jj++)
                {
& e* A  V" i9 g, z, C% ~                        b2[jj] = vec2[jj];
$ G5 o/ n. T$ i: [# ?8 N  ?9 v. `                }

                //Method - 1  N=100000 247s  
                //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
; l! Q$ {0 j- ?                                
. j! e: p( Q7 y( p9 E& s                //Method - 2  N=100000  237s
' o" A% P  y- x8 u) S                /*
. D9 |. B$ ]& [' A                for (int jj = 0; jj < N ; jj++)
                {
; D* u$ b5 V4 Y$ g& C                        fresult += vec1[jj] * vec2[jj];
                }
                */
                                
                //Method - 3  N=100000 204s
+ Y; j6 m) {& J1 b                /*
7 P! y; E- c' m6 d# F% M                for (int jj = 0; jj < N; jj++)
0 y/ I$ c( \) y3 n2 h, W0 ?$ b! x                {
- I2 B9 w, q/ `9 k, O0 t# V                        fresult += b1[jj] * b2[jj];
/ ?$ x9 ]6 B) ?% C* r- ]2 S                }
                */

                //Method - 4   202s
                /*
  R  z$ j6 t6 f  |. K                for (int jj = 0; jj < N; jj++)
* n2 \. c7 q0 A% K/ L                {
+ L1 d) {2 B2 A: f+ f1 o0 r0 Q                        
# K6 M" `  F# e3 K5 L! l! ^' D# f6 C                }
$ R( S5 i' n2 F( `0 q                */
                //comment out all methods, N=100000  202s               
! t" S! M' x; q) i/ s        }

8 t9 ~8 [; E* G        delete []b1;
        delete []b2;

) k: ~5 J- m! z; ?  _, A+ L

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？
$ R( r4 U" r/ _+ D6 p# W% u
, S9 n" T, e7 q* j) n# o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？
+ i3 ]! o% z$ q1 K7 r4 J. g

雷达

机器猫 发表于 2022-9-27 00:15
) v3 R  c; L" t; e2 P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？
2 W* m4 o$ C- _: t6 q/ q% h6 w
# F1 V  W8 Q, K0 V你第二个试验里面的j在循环里面又重新定义 ...

2 C. h+ u9 N6 ^) U  Y: `6 ]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

% J% a# k) U' G7 ?+ I' {& a' j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 ...

- A: b$ `1 i8 K) D5 Y" C4 a/ ^- @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)
; R, V8 z/ S" r! {7 @{
        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？
6 T  `: _* B( ~: kVS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。