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。
: _, y2 }8 Z1 ?) {7 E6 X
& h0 |( ?4 b' w. O9 t& t+ S速度优化问题真的很有意思啊。
6 r0 G& u; ?) T9 s& z
3 b+ V; ^  c6 f3 z欢迎大家继续讨论

数值分析

拉下来？拉多少？
/ z. ]" E" e7 c/ p把代码贴上来看看？

% f, v9 p- x# ~+ M3 a! N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
& d5 }& |5 U1 V3 [( s6 y拉下来？拉多少？
6 p, @  Q8 Y, m9 |- R& `0 ]把代码贴上来看看？

- u" `" k+ O* t* @
3 |2 H0 ~, y4 d- Z0 vvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
9 o! M9 Y) {3 b        comp temp, xtimesy;
+ K5 w# k9 V) _7 `        xtimesy.re = 0;
        xtimesy.im = 0;
. p. \! L. A. D0 K& Y. u8 W        int j0 = lenB - 1;
        int    i, j, i1, reali;
        if (lenA % 2 == 1)
                reali = lenA + 1;
        else
2 z7 _6 ?+ K" L  z1 t8 W                reali = lenA;
        reali /= 2;

        int nconv = reali + lenB;
        //#pragma omp parallel for
        for (i = reali; i < nconv; i++)
' ~. X1 N* [+ |0 q        {
                temp.re = 0;
                temp.im = 0;
. e: E2 L0 O  i+ G; l% ]3 ^% L. ~                i1 = i;
                for (j = j0; j >= 0; j--)
+ n! [& U' m2 g0 X% ?2 O, j                {
" v* a# r: y: y8 q6 a+ u( z                        /* floating date operation */
                }
8 L* T/ ]5 h0 q. l7 y: p$ q        }
" A1 Z$ t: J# ~' p: d}

; d) _) \6 m5 \- ], k: q* ]* 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
$ |$ w9 L3 y1 b/ h
3 ?. K6 Y1 A  O# i' p6 {( Z红色部分是内循环，现在其内部操作都comment out 了, j0大概是 6000。
7 P# N- w: i/ J现在call xcorr 100次，耗时78s.
$ C& q9 @  R% h3 J2 z3 N7 h4 r
如果把红色部分内循环本身完全comment out， call xcorr 1000次，耗时 <1s.
3 c! p3 b# \5 V6 l
( [  x1 @4 X' Y

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。
: t/ D! J6 e0 t0 k
, }  I1 A# ^: o* _; N6 Y$ [4 k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
4 X$ K- C" P& Xvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
        comp temp, xtimesy;

这个不是这么比的吧。。。

9 C( k9 R* j0 C* W0 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）。

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

8 I% J7 W9 M% c- S  g8 ]

数值分析 发表于 2022-9-25 00:20
这个不是这么比的吧。。。

# |5 w. i+ M# d; v- ^. R( t+ P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）。

6 ]2 R; }6 k1 |# C/ A
有道理。
6 p! `  d9 X! W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
# Z# F  B2 C8 b4 g$ i有道理。
; N- K* C3 J2 X$ n/ u: r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 ...

. t0 q/ U6 P8 y2 w4 Z3 K3 T6 J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
7 X  i$ U; J* a3 x$ n; y: lWhy 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。。。

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

- y8 K% T4 F7 n/ d$ l5 p" U- b
5 }9 i9 w5 G, k1 h$ R! g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

9 F# R4 ^1 ?/ J

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 ...

是的，兄台说的对。
2 T% I1 R. G9 C
' H$ M% W: O$ u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。

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。

2 O5 ]/ @7 p0 ~4 F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。
; r3 m' L! |5 k$ Y$ U" M
8 Z$ {6 W9 X) R8 u8 t9 f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

: o. |& L; z; u5 }$ \# A

沉宝 发表于 2022-9-25 01:27
! P! A& Y) V4 @" N9 I7 @* L) `/ M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 ...

8 Q* z. `( k7 m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。
; B; S1 G$ l5 M" X
; p; `+ H& j% L+ L. N% 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 ...

7 G5 Z& u$ @' H0 p时间差一倍的结果可以接受。
1 B, \  A5 C4 ^$ K- `+ h  z
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 ...

( K9 F1 M* R9 p5 z- W( b( C% |$ i8 a
5 o, v. s3 f1 `
+ Z. S; b# J& E- D
能不能把这个也贴上来，看看和上一个有什么不同？

雷达

+ Z( j) b' `# \. v3 k

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.
  O0 S( N" i2 y0 N
1 r8 ?- T; a; M: _( k内循环试了4种方法，
1. 直接调用 vector inner_product 247s
+ j" {. H) ?* `2. vector 循环点乘累加 237s
- ]) c! Q7 g$ P) X3. float * 循环点乘累加 204s
4. 空循环 100000 次 202s
6 }9 F9 f8 [& B# n' K
6 Z# m7 _- [( H9 L不做内循环 200s
5 m* ~3 G+ \- P7 Q: 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。
5 t( H. F5 {. G7 Q6 [9 D2 C) ~另外可以看到， float * 循环点乘累加 并不差，比用vector 还更快。

4 k5 p% G1 J8 I8 X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 R. k4 Z9 D& }7 Y+ {2 M
（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）

4 v9 ^* }5 @! O; e

        std::vector < float > vec1(N);
* X8 T) v  t4 p5 e2 ^; `: D' R5 J        std::vector < float > vec2(N);
0 f% p- ]- m+ S. _1 m% \1 s        float* b1 = new float[N];
        float* b2 = new float[N];

        for (int j = 0; j < 6000; j++)
        {
                std::generate(vec1.begin(), vec1.end(), []() {
  y; ?/ X7 V3 ?( X, s/ m# k                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
                        });
! I6 j: e6 H4 A4 d) d- }, F1 @. Y; b
3 S$ \1 w2 r6 z8 D+ o# N( d2 r                std::generate(vec2.begin(), vec2.end(), []() {
                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
3 Q0 r8 {3 R+ O; G: b+ Z                        });

4 k0 h: ?/ N3 {3 r8 U                for (size_t jj = 0; jj < vec1.size(); jj++)
                {
, y$ u' a; P' N6 D( R8 e+ s  T) |                        b1[jj] = vec1[jj];
3 W. O, M; Q; d! |; [5 {                }

                for (size_t jj = 0; jj < vec2.size(); jj++)
                {
9 ?" s( P# F: O* K" {  Q2 L( T% E                        b2[jj] = vec2[jj];
                }
: u9 T# Z- Z, N9 C2 a3 ?
                //Method - 1  N=100000 247s  
                //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
; U- ~: P- I) m  c6 O" L                                
                //Method - 2  N=100000  237s
% N5 v! [/ w# f+ C  R/ f- @5 h                /*
                for (int jj = 0; jj < N ; jj++)
& U* @+ M  I7 H* C, W; }                {
                        fresult += vec1[jj] * vec2[jj];
0 Y- T/ D8 Y& Z9 i* h8 h                }
% B' N; |( B" [' a' ?                */
                                
3 n( X6 Y# `! Y0 o' N1 H                //Method - 3  N=100000 204s
; O' e$ I5 z0 a, f, K7 B+ D* Q                /*
                for (int jj = 0; jj < N; jj++)
                {
2 J$ ^2 X& O! W0 i6 P8 {- R                        fresult += b1[jj] * b2[jj];
                }
                */
+ l4 D9 U5 A; z4 m" w/ [
2 f- r  a0 ]! ~9 P' [/ ~! ^/ o                //Method - 4   202s
' `0 v, P8 D3 E. \+ G3 S' U                /*
                for (int jj = 0; jj < N; jj++)
                {
3 F& Z! e$ c; b) @4 t! l                        
                }
                */
                //comment out all methods, N=100000  202s               
        }

        delete []b1;
: s. O: c4 P$ Y! A        delete []b2;

# {4 {8 ~2 v4 x3 F

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？
( ~3 A' ~3 N" E! E
( w9 ~) z7 u$ M. j8 _$ F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？
! a/ m5 u& _9 p) H

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？

& S# A# l4 D! s4 f+ C/ W; }& P" e( x你第二个试验里面的j在循环里面又重新定义 ...

3 G& T; _# }( V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 l3 ~. V6 K% G) S% y
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
0 |$ B9 P; {) D2 @% ?- H9 Y$ J7 V2 l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 V; N# W, B1 @7 B8 ~8 X
不和它 ...

7 z5 H: ^! X! j7 ]/ r
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
4 t% C9 v3 [$ M$ Wvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
        comp temp, xtimesy;

( q% Z8 g! {2 r6 d/ v  z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？
# b" C, _: v- v1 `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。