C++ 提速的新发现

雷达

C++ 比 Octave 慢好多，怎么破？

. d( C9 ^) P* i# ~6 C- N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。
) t/ H  S" x5 n6 X3 ^
8 i1 G3 v6 ]. x( e速度优化问题真的很有意思啊。

" C; j$ l) k, C! n- H$ f欢迎大家继续讨论

数值分析

拉下来？拉多少？
- ?( ^5 X. |* I( m5 I把代码贴上来看看？
* P4 {6 `( ?) f+ O8 g% b
5 n. e# y  s6 Y  _3 ?1 S- m- 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

数值分析 发表于 2022-9-24 23:04
拉下来？拉多少？
% _' Y, i6 i  {把代码贴上来看看？

9 \4 m5 j" ~5 ^, R) }1 ]* G
& e; z/ @! s* d2 B7 X' Qvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
" }  ~- f$ `$ g: X5 Q; u{
        comp temp, xtimesy;
        xtimesy.re = 0;
        xtimesy.im = 0;
        int j0 = lenB - 1;
        int    i, j, i1, reali;
        if (lenA % 2 == 1)
                reali = lenA + 1;
' `) r! {1 c% y3 \        else
                reali = lenA;
8 {$ ~% p8 N* ?% O( B& @1 q5 C        reali /= 2;

        int nconv = reali + lenB;
        //#pragma omp parallel for
        for (i = reali; i < nconv; i++)
        {
3 w+ K' I' t" p                temp.re = 0;
                temp.im = 0;
7 q7 [4 l( |6 a; V5 u                i1 = i;
* ?3 h7 _7 J: ~                for (j = j0; j >= 0; j--)
                {
6 T$ \$ D/ M" V1 R                        /* floating date operation */
' J$ B8 B9 e: ?# X                }
        }
& Z. g8 Q; `) T. v, L}
2 H+ e) b( H0 |+ _2 b& F. v' \
, \* R0 B+ e, T, i- kxcorr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
8 h# G' H! H. v" v$ Q
! {! N* ^$ I' {, Y* V% N; t7 |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.

8 d0 v, I, J9 {如果把红色部分内循环本身完全comment out， call xcorr 1000次，耗时 <1s.
: j: ]. |2 Q" t: f

雷达

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

5 u# d; y3 ^9 S' o不应该，看我上面的回复。

+ b: x  r3 s1 z我更怀疑是 VS 社区版的问题

数值分析

- m7 F( d# N# i

雷达 发表于 2022-9-24 23:54
; z, b+ f! A; e8 c( ?void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
) j5 k& [) i& _! V3 M        comp temp, xtimesy;

7 P% |0 n0 t0 M# l& n2 X
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，慢个几十倍不是正常的么？

雷达

0 @$ P: P+ f2 \/ E; _

数值分析 发表于 2022-9-25 00:20
/ n: C  ^5 u/ D/ J8 n这个不是这么比的吧。。。

/ d- ^* ~  A: m6 x9 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）。

% K. \/ u3 b: T2 _, T1 n* Z, ]! P
, H" t2 o9 S' S+ O$ E4 W# Z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。
+ \; b3 p/ L! N  h# Y- T4 S$ G
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
4 u& p7 M$ I! Q- \8 @# c1 G6 v' `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
+ ~7 g8 |! X/ x% P  GWhy 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
! Y% k; f. c) X4 n: H$ g, u0 ]0 M这个不是这么比的吧。。。
0 L) J! H7 Q- M6 q# V& d& B9 @0 j
+ `, k6 w* 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）。

而加上内循环，光jmp和dec指令就至少多执行了6000个

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
* m/ y2 n& m$ A$ r6 Q, t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 ...

( ~$ u- l2 w9 ^1 z( W8 l$ [
是的，兄台说的对。
; u2 @: w6 l- A- b
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。
9 ?9 t* I% _2 K
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 }# Y5 k+ n' ?( |  {2 R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 q6 i+ K% J: f
- I/ E9 D( H6 z/ ]( \- v4 |, |( S8 n& Y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

; x3 o- X3 _2 @2 t* ^$ \

沉宝 发表于 2022-9-25 01:27
. z* f9 S: w. z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 ...

% Q% L8 ~% [2 }. j' |# 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。

我已经完全懵了。

沉宝

雷达 发表于 2022-9-25 04:47
9 B. `3 N: N1 Y: {8 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 ...

时间差一倍的结果可以接受。

$ w- a( I% [7 @+ ]/ y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
+ z+ N% ?6 Z3 }* T1 {/ \- i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 ...

% w* |) F$ {# k, m2 p0 G* u
9 q) ~/ v2 v2 p2 W% s. n0 W

, M' f1 M, s0 a9 _能不能把这个也贴上来，看看和上一个有什么不同？

雷达

2 a. s' y6 @& v& z6 U0 {

数值分析 发表于 2022-9-25 14:58
& {0 F' K# a7 J! S$ l能不能把这个也贴上来，看看和上一个有什么不同？

5 H$ T+ K. ]" G) C: i. H理了理思路，重新做了一个测试。
$ P5 Q, B1 y; X4 y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.
5 @4 m7 O: f  y$ i# c+ v
内循环试了4种方法，
1. 直接调用 vector inner_product 247s
2. vector 循环点乘累加 237s
: t, Y  T! F& N" D' b1 u+ A: z" A$ _  t3. float * 循环点乘累加 204s
4. 空循环 100000 次 202s

不做内循环 200s
5 `# D* u9 L# Q
& F8 i8 ?. z' `; {% P# J你昨天说的对，内循环本身占比是很小的，大头在其他处理。
; c" R  n" y+ H8 w. \9 Y另外可以看到， float * 循环点乘累加 并不差，比用vector 还更快。
3 h; _2 [& F' T8 r2 E
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）
0 }6 `4 b4 |* @: ~

        std::vector < float > vec1(N);
% @. R6 P8 H* ?5 ]" W6 j        std::vector < float > vec2(N);
! P8 S' ?, `& P$ I) N        float* b1 = new float[N];
        float* b2 = new float[N];

        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));;
                        });

                std::generate(vec2.begin(), vec2.end(), []() {
8 C1 U; T7 H6 Y& Z                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
3 O+ e+ ~/ S3 S. t9 M2 ^, N$ r                        });

                for (size_t jj = 0; jj < vec1.size(); jj++)
                {
* `$ m6 S8 K! |                        b1[jj] = vec1[jj];
- X5 f% `" a+ k0 r& r! e: W                }

                for (size_t jj = 0; jj < vec2.size(); jj++)
7 a1 v) |/ D& `4 \1 I1 f  u                {
                        b2[jj] = vec2[jj];
                }
9 t; T/ B  r" g$ O( r& k
                //Method - 1  N=100000 247s  
                //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
% t: O/ V3 E, L% J                                
                //Method - 2  N=100000  237s
                /*
                for (int jj = 0; jj < N ; jj++)
9 N8 ^- Y$ D: h7 e0 I1 _                {
                        fresult += vec1[jj] * vec2[jj];
                }
1 k- v6 l) P. ]/ f# y6 J0 [6 ]+ `7 k9 ~                */
* ]6 j6 V. ~, W  g2 q% N. g                                
                //Method - 3  N=100000 204s
                /*
+ `& ?; V* X, s3 q4 j8 }                for (int jj = 0; jj < N; jj++)
                {
0 [0 g3 {( R+ f2 j0 K; w! i) V                        fresult += b1[jj] * b2[jj];
; ^5 u0 m  Q% D7 r* t$ M- [; I! k                }
" T2 S. ~; u# |" x0 }- M                */
4 I: I: z- l4 \: u' R3 U, c
                //Method - 4   202s
& r3 e3 ?% C( e) I& x: M                /*
4 Z; a. O' d; D. W                for (int jj = 0; jj < N; jj++)
8 X2 T5 a) s4 Z8 f% ]9 L# `                {
                        
. N& i0 B, A6 C( c/ l! O( f                }
4 X5 ?2 a+ @( O: r5 T                */
; e, U6 W1 k2 B2 P9 {                //comment out all methods, N=100000  202s               
        }
1 V1 Z' b4 J" @. W' ^7 s
        delete []b1;
        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？
  k7 V% O! L! O8 T" t9 G" H  d
4 F. p. ~. y& a& |, 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？

雷达

机器猫 发表于 2022-9-27 00:15
6 |2 h- Y# M8 v7 [" y# G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？
+ x- A! b( @! ^7 ?; E* @
" X3 }, C9 }2 u& {# `& d, B你第二个试验里面的j在循环里面又重新定义 ...

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

- y5 H, Q; k! N7 \' d' g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
; Y' Z+ [% c! a( s) ?5 }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
% t) B* }- q% q
不和它 ...

7 q* [8 u( @7 m/ A8 D8 B% [9 I
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)
{
        comp temp, xtimesy;

3 z- O; Y- s( [: }6 u2 N: l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。
6 G! m! S# F( _. S: z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 }. r  a3 h/ Q4 k9 q! JVS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。