C++ 提速的新发现

雷达

C++ 比 Octave 慢好多，怎么破？

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。
* U5 @' v$ \4 v! y" l
速度优化问题真的很有意思啊。
1 q$ Q+ J/ |4 `7 K9 J# n" A, @
) i/ W* d/ l/ w$ v1 A7 S欢迎大家继续讨论

数值分析

拉下来？拉多少？
) ^" L$ q& l8 K+ R' o4 x把代码贴上来看看？
, G# V' T) a. R
! ~+ ?# |9 n" g- [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
. b8 V6 P3 G% w. a1 h* T) F拉下来？拉多少？
+ O3 [* m$ k- u5 J6 a7 U把代码贴上来看看？

7 i* a, c0 `7 l; e) t2 z: I
5 }  ?! j4 \3 a: Wvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
) M+ O) y- `- J" @9 f- _( b{
. c2 \9 ]8 O1 m3 H7 y3 U/ D        comp temp, xtimesy;
& X6 N* U; J, ]; \5 N0 t& K        xtimesy.re = 0;
        xtimesy.im = 0;
" [0 P" l# U# u% Y5 U( @! q        int j0 = lenB - 1;
        int    i, j, i1, reali;
9 G( L0 z. ]) j8 |' }' {        if (lenA % 2 == 1)
  t5 G. f" E- s' `: k6 C& I. t                reali = lenA + 1;
6 Z; Q$ H# k9 ~7 L# E        else
                reali = lenA;
        reali /= 2;

        int nconv = reali + lenB;
6 v( M1 [2 M# [        //#pragma omp parallel for
        for (i = reali; i < nconv; i++)
- w+ z) E( R& M: H8 F0 X        {
4 s9 N! o- B/ A( D                temp.re = 0;
: {) X' }! @6 l4 F! t8 C) R4 f                temp.im = 0;
                i1 = i;
) c2 U- c' Q- x; D, e- n                for (j = j0; j >= 0; j--)
                {
                        /* floating date operation */
  K8 @1 i+ F% W4 [8 ?                }
        }
}
% A! T- R) ]+ Q4 J/ X  r
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
* W9 W) E( \% `* h
红色部分是内循环，现在其内部操作都comment out 了, j0大概是 6000。
+ o  P- N. C4 R) ^' i% V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.
2 o2 |1 A$ l4 [8 ]9 ?# T% H

雷达

风雨无阻 发表于 2022-9-24 23:33
+ }* ]* P( L- B  TMaybe Debug mode?

不应该，看我上面的回复。
. w, Q) u3 R( [- x$ {
7 s3 v2 d5 F  M) N, |我更怀疑是 VS 社区版的问题

数值分析

1 T# a5 F0 M' h5 H

雷达 发表于 2022-9-24 23:54
$ e( {  V% q$ h* F' wvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
, g9 G: J: t: S1 V: F7 Y, O$ d. e{
& A6 H% l/ W) c# J$ |$ m        comp temp, xtimesy;

这个不是这么比的吧。。。
( M2 q  H2 ]: ?$ m3 X3 c9 ^
9 H6 I" v0 o8 ~8 f' \1 g" ^4 N) Z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，慢个几十倍不是正常的么？

雷达

, d; D5 m2 F: S# h7 y7 c2 A

数值分析 发表于 2022-9-25 00:20
这个不是这么比的吧。。。

$ V# r, q4 K  f, T* M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）。

: I- T6 W/ U& l+ u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，记得 numeric 库里有算向量内积的，我回头试试。
  J+ f1 W, Y, [; n5 ]) M8 |
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
7 f# f, d5 i" l9 q% Y$ q- l) R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
0 N8 N8 h6 K+ j) MWhy 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
1 K& i" I* e' A5 o: S  u这个不是这么比的吧。。。
2 M, ]: W; r& t$ x
( x2 P4 i- C2 a% F' P6 P9 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

6 w" q- Z4 a( q5 d* v. v
! d% r' u  u  k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
; S+ q( H8 c( K, }/ Z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。
% I' U! U0 |: y# d9 u$ 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。
  o! D5 d" P$ j& Z% b
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。

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。
+ u2 m3 y) \% R. ~6 s/ D
4 U$ {' i7 L" o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

! R) F- m4 D) |/ o/ ^  I* W

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 ...

- `5 p* X: w7 F
7 m5 [3 G4 N2 B& 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，时间差一倍，我上面这个差的太多了。
, G7 t& m$ E  w+ `% t
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。

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
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& K# U7 k3 |# r5 f
/ A* m, R; z+ v  V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？

: t, t+ P. S: B理了理思路，重新做了一个测试。
6 x- q$ B2 o  r+ Y做了两个 vector 和 两个 float *, 都长 100000
& J5 \) v; h' o( M) g! p2 E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.
, K) V/ s' h3 q
$ e$ T* @0 H$ o  ~0 R内循环试了4种方法，
1. 直接调用 vector inner_product 247s
. C0 `4 [1 L$ m1 J: H9 ?2. vector 循环点乘累加 237s
3. float * 循环点乘累加 204s
4. 空循环 100000 次 202s

* [% N  z: K6 ]3 e不做内循环 200s

3 U" M4 {) J& o1 D; A/ t5 A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。
# x$ o" L& b. |) w! A0 W: K
" ~2 S2 P6 j; v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）

" w* _" c! V4 S) b（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）
9 m( n) u' Z4 g/ W/ [  A
+ z! x% e/ @3 j' ]) H# s3 ~

        std::vector < float > vec1(N);
' u% V: P& H3 f6 `+ s1 x: P        std::vector < float > vec2(N);
        float* b1 = new float[N];
' \9 N, r, l& k( z, N        float* b2 = new float[N];

3 E- I8 J% q. o+ S4 c$ |6 D8 r        for (int j = 0; j < 6000; j++)
        {
                std::generate(vec1.begin(), vec1.end(), []() {
# m6 d3 w+ I8 j                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
- T4 |/ @/ i- |$ W+ i/ ]( f/ v! l3 y* A                        });
4 u/ g$ ?1 v, d/ z3 v4 E
% E% u- K% Y$ m1 A" x" l4 F                std::generate(vec2.begin(), vec2.end(), []() {
                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
; j5 \% p# Y- L2 r' e: h                        });

5 T! ?( |) p! l9 Z  J2 i                for (size_t jj = 0; jj < vec1.size(); jj++)
2 h+ N, R4 s% `& G8 u                {
                        b1[jj] = vec1[jj];
                }

                for (size_t jj = 0; jj < vec2.size(); jj++)
                {
( ]/ J6 j+ |+ Y# W3 l- M                        b2[jj] = vec2[jj];
9 K3 Q! h" F) y) a                }

- S2 j% |1 w) H  o0 h                //Method - 1  N=100000 247s  
                //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
                                
) c: s8 v) z; I                //Method - 2  N=100000  237s
8 v, S8 ~; c* X# Y1 i5 \                /*
* }$ `0 {4 A' l7 N% u                for (int jj = 0; jj < N ; jj++)
                {
3 y+ D: ^3 A- I) ~7 a, T2 R                        fresult += vec1[jj] * vec2[jj];
# v: Z2 k& ^" `                }
( t6 B) L  e6 @: ^" i+ c                */
                                
                //Method - 3  N=100000 204s
( b; H% p& k: N% t- x& C                /*
3 i+ a6 b0 N( ?* z2 o8 i+ o9 V7 w                for (int jj = 0; jj < N; jj++)
                {
8 n/ d% F& c, [7 M, I                        fresult += b1[jj] * b2[jj];
: [6 Z4 l6 i8 e2 r# W                }
                */
$ T, N0 p: s! R  D4 ^3 c
+ T: N' q9 f# ]9 r! b                //Method - 4   202s
                /*
                for (int jj = 0; jj < N; jj++)
/ ]; q& v2 v* C9 X( n; ]                {
* d) H8 b, M/ P4 b( M: A& X                        
                }
                */
: l! E) x. k7 [1 j3 P                //comment out all methods, N=100000  202s               
" k0 A2 c; `. w        }

5 g! [7 f/ f1 P2 G1 I3 l/ ~        delete []b1;
        delete []b2;

9 C( Y( Q9 i8 W" j" P: ^/ L8 k, c  }+ n

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？

( L/ ]8 W6 d; H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？
$ [% h1 ~# N% s! I% m9 H# |( z
你第二个试验里面的j在循环里面又重新定义 ...

# Y- o. k$ d" k+ l, G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
6 u2 p  k0 j9 ^" O. I; p8 [
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
1 I4 e& T3 A) g, G4 d( 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
% b7 `5 F( n4 Q& Q
3 i) K8 A) E2 |4 [1 F5 O不和它 ...

# d8 A3 s2 e2 c1 K: h; T
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 [5 |9 |3 k9 d/ ], x) t- Q  C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
; T4 @! N5 N' v0 Nvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
7 ?; Z: @- b; t3 A2 j        comp temp, xtimesy;

; W. Z" I, _; a  ]& ~; r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？
# J  x8 f1 T: L$ g# ]* Q: ~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。