C++ 提速的新发现

雷达

C++ 比 Octave 慢好多，怎么破？
6 I  R; x( ~& k5 L4 o
" T9 a/ b8 l8 M& F  p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。
2 G1 N8 }  K  k+ J0 A% H+ W* d
4 M% D$ _) H. z0 z) Z  [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？
- @* v% k, |% S% d( C3 D9 D7 V把代码贴上来看看？

& R' j! A6 S( h+ J+ A8 D. D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
! R' e# L% M- V9 R" }' K3 f, M拉下来？拉多少？
把代码贴上来看看？

8 W) i$ v# |+ [0 y: \
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
  v) o4 p' ?( d{
        comp temp, xtimesy;
% w8 U8 D4 A8 e8 W- E, [        xtimesy.re = 0;
1 n( Q, d7 a% ?% {% h" V        xtimesy.im = 0;
        int j0 = lenB - 1;
. T; d, F3 A( F4 O2 _" d, B( [        int    i, j, i1, reali;
        if (lenA % 2 == 1)
8 l$ K3 u! f7 e2 _5 N$ F  ?, s! \                reali = lenA + 1;
. E3 b; L/ T0 P/ y9 C        else
                reali = lenA;
        reali /= 2;
, [+ l: u' _& @# K+ M' ~
+ l% r5 h! @0 o* y        int nconv = reali + lenB;
        //#pragma omp parallel for
$ [0 S5 }7 f1 B8 F' {3 [$ c: y        for (i = reali; i < nconv; i++)
1 e- e6 L( S/ j" G/ o9 Z) ]        {
                temp.re = 0;
                temp.im = 0;
. Q& F/ t. V, z                i1 = i;
                for (j = j0; j >= 0; j--)
                {
                        /* floating date operation */
                }
4 k& M1 G' a- n. l$ y        }
}
. [! [1 r6 s- K3 e
- x: V! H- n0 u- {4 wxcorr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

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.

* ^( _% z6 F" D如果把红色部分内循环本身完全comment out， call xcorr 1000次，耗时 <1s.

* {- P6 ^6 Z* b) k; {' X

雷达

风雨无阻 发表于 2022-9-24 23:33
. x. E1 {/ Z& S6 P+ h& c& Z# ?. uMaybe Debug mode?

* `' b1 _4 |; j! I. ?不应该，看我上面的回复。
/ h# @* x. ^  @$ U# V, z# b' g
我更怀疑是 VS 社区版的问题

数值分析

" F. _( N3 x$ o) Z5 ~. p2 l6 C

雷达 发表于 2022-9-24 23:54
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
        comp temp, xtimesy;

# w* O2 D1 R# C* A
. Z" D- }7 V3 F9 w# T1 l0 ?这个不是这么比的吧。。。

3 W' h* Q" @# y; d1 c0 n- 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）。

2 Y+ G8 y7 I' J' b4 l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
! l9 U2 T  C* i2 x9 L. J5 G7 C9 w& C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）。

有道理。
5 [5 t/ t7 a3 k1 K2 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。

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 ...

. V3 o3 ^6 g- J% `0 p  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，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
( U" m( u8 W1 V1 C1 u6 KWhy 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
2 Y" l" ~. g# \7 }5 S" S9 S. l这个不是这么比的吧。。。

0 \( O1 J) v, k" L( v- I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

8 b3 I4 e. y- z' W, O
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

2 M1 {/ G! B4 z! P5 x

沉宝 发表于 2022-9-25 01:48
$ _2 t$ S3 Z" u* a& P5 }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 ...

4 t& H8 T& L; q& s( ^5 s是的，兄台说的对。

1 ^, l( F" e. v, V4 D) h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。
  M" _3 D+ M5 o) }
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。
$ V( u/ K( i3 `! G$ A5 ?
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。
- E2 C4 [- D1 K* _  ~, @
0 `( L4 H% Y. \) N6 |% q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

7 n( Y2 ?  T" V" k2 E) O

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 _3 E' E3 N/ c# P0 b5 b( B
1 W$ x3 B0 @9 G* Y# Y7 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。

8 z% O& f3 s/ f& X. I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
3 p6 T$ T9 k  b% [$ w& ?) u4 d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 ...

  J9 e* z* C% R3 B
0 T: ]! l' E* v+ ]: ]2 R
" f* X! z9 W/ s3 Z6 M; E
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。
做了两个 vector 和 两个 float *, 都长 100000
5 z5 F; Y( z) w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.

9 F" G- {% N7 q; Z3 m- p内循环试了4种方法，
1. 直接调用 vector inner_product 247s
9 C( s7 M! I4 w3 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

不做内循环 200s
( e# H, |/ r% [5 l' a! ^
0 b1 J' ?& x" |你昨天说的对，内循环本身占比是很小的，大头在其他处理。
$ B, N- h! H2 u/ m另外可以看到， float * 循环点乘累加 并不差，比用vector 还更快。
9 R; {0 E& p  y& [, ~5 y, p' `
9 X+ a. Y7 R  q' ]0 U% M+ F9 ?4 p% a: S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）
# m8 U) p- ], Y: h  H( t+ m
  P( r$ P6 a$ a" q( h（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）
/ F% d* ^% }  A8 I; d9 i
1 }, c! U8 x* }$ a% Z; l  `

        std::vector < float > vec1(N);
        std::vector < float > vec2(N);
. X$ u1 B! W* z0 v, r# y        float* b1 = new float[N];
        float* b2 = new float[N];
- ^* A  c( b* p( s6 e" p# ]# ]
        for (int j = 0; j < 6000; j++)
        {
                std::generate(vec1.begin(), vec1.end(), []() {
                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
# r# |0 y" G2 m# F                        });

* k7 k1 D. F2 ]' c7 f4 D3 h/ B) m                std::generate(vec2.begin(), vec2.end(), []() {
                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
  Q% J: Z2 p3 |                        });
) J1 @) z) a4 k" g6 o/ B
                for (size_t jj = 0; jj < vec1.size(); jj++)
" V- |- ~, [2 O9 H- [                {
                        b1[jj] = vec1[jj];
                }
' S. D, K4 k9 g' m" x) I: C
                for (size_t jj = 0; jj < vec2.size(); jj++)
                {
% R+ P) `. v( W: f                        b2[jj] = vec2[jj];
- f6 ?, _1 v! E% l7 F                }
5 L& [& f+ ^1 I; |/ I8 v
2 Q* }- n+ ~5 I% \* }) |$ a                //Method - 1  N=100000 247s  
/ `& J% d. r! Z% |0 n$ [                //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
% C/ r+ _* k! b8 d8 R" r                                
  E- Z) \" o4 i$ _  n/ I1 G                //Method - 2  N=100000  237s
                /*
% U, Y# L  P" z! }! Q                for (int jj = 0; jj < N ; jj++)
4 W  N3 E  o- S5 S4 @4 [                {
                        fresult += vec1[jj] * vec2[jj];
                }
* o1 ]" \& B, t+ w. {1 d                */
                                
1 w4 S3 h' H; e5 i: O* W7 u                //Method - 3  N=100000 204s
, l' Z$ L4 \' U# q                /*
8 \$ u8 [& f& W                for (int jj = 0; jj < N; jj++)
, T! l8 `" H. k& I1 g                {
; ^  T& s, G0 I                        fresult += b1[jj] * b2[jj];
                }
$ e! S4 w# l! Y/ M' Z                */
8 x! ]" e: F1 y! \0 d% p+ f$ b5 c1 C
                //Method - 4   202s
. C. O) B4 |. z: k' q. Z8 H                /*
                for (int jj = 0; jj < N; jj++)
$ B5 U* Y% U. b' e% q1 D                {
                        
                }
                */
                //comment out all methods, N=100000  202s               
  J: q: b, d. H$ r! \" N        }

0 N, ?! G8 R& ]* r8 h& }+ I8 r        delete []b1;
        delete []b2;

0 p! n- [0 j$ b0 k% O( u$ F4 ~5 I

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？
  s1 X- K8 q. r1 o. G
8 v. [4 C9 c" m, O# ~# C8 D* w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？
, u7 s2 J4 P4 R. e

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？

你第二个试验里面的j在循环里面又重新定义 ...

6 d! L2 c# X# [  ^# v5 }/ \0 d! N1 n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
7 E% H- N0 Q! O* e3 P
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
: `" T2 ?+ C7 X7 m; N7 T; h% |3 J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
& N7 n1 `4 Y) }; J9 ~# n
不和它 ...

: l) \* F, |; H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)
; P: C7 P& G# |0 V0 l0 H! M{
        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？
) a: B" A3 n8 f. dVS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。