C++ 提速的新发现

雷达

C++ 比 Octave 慢好多，怎么破？
0 A6 N4 S% i; p! B% `) i/ y& T
8 v2 i! K4 E" M  P% L# ?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。
6 a! n' L7 i3 j) S0 ^4 A
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？
把代码贴上来看看？

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
" p/ v8 G- a4 c0 \9 Q拉下来？拉多少？
把代码贴上来看看？

0 m, W* x- x7 N  k5 K( Q8 n
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
2 }6 n+ ~- v1 Q* {: l* T; p3 _+ H" c{
1 i' z3 F- y* \+ ]' @8 n        comp temp, xtimesy;
- j4 r  |, [& s4 E3 X/ ~' a        xtimesy.re = 0;
2 Z2 ~4 W6 g, H$ z: K        xtimesy.im = 0;
6 O+ F- D; {& P: y, u( f        int j0 = lenB - 1;
        int    i, j, i1, reali;
$ W* j# J% j- p9 D        if (lenA % 2 == 1)
" O9 d% r6 l3 ]4 e/ A                reali = lenA + 1;
        else
                reali = lenA;
        reali /= 2;
4 s/ q/ l5 j9 K8 l
        int nconv = reali + lenB;
8 `( m6 g5 U5 d' K        //#pragma omp parallel for
4 [* [) ]" `: i1 ]2 P        for (i = reali; i < nconv; i++)
        {
                temp.re = 0;
! V$ W# e( }* x) S3 d& h+ W4 J* I                temp.im = 0;
                i1 = i;
) G# m, V, G+ l                for (j = j0; j >= 0; j--)
                {
                        /* floating date operation */
5 {. `# W( Z0 w/ p8 ]                }
        }
}
% H1 y( M, a( Y" C# r" a% x
- M# a4 N. S4 ]- `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

红色部分是内循环，现在其内部操作都comment out 了, j0大概是 6000。
& R; u3 A6 Y/ ~2 U# d8 n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.
+ B  T( c) r" n) I  I) G8 W7 w

雷达

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

* r+ l  ]& \2 e/ S( d3 B) Q% f
9 K- }: X! u, W9 a2 s4 m) X不应该，看我上面的回复。
2 u) o" N% ^$ t  K; r, _9 p
- g2 m0 B+ J! V0 ]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
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
4 J+ Q- O" M5 w3 L7 h" F{
        comp temp, xtimesy;

* _! w; \4 {* d- q2 L9 m# N2 [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）。
1 A5 H4 P" |3 c: V: ?+ ]' j. _8 ~
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

9 @/ C) ^1 l' {% I6 \$ U

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）。

有道理。
! A9 Y( w" z, F; x0 S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。
: y# _; V2 y' m0 r8 x
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
& C1 ?2 S& o' f有道理。
; ?$ @) x1 p9 e5 ?9 x1 g  D7 G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
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
1 n* [2 E8 q: ]1 d, k这个不是这么比的吧。。。
1 ^) ]# k! a. d& F) @; P2 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

# T/ y+ J5 ], M* \( m
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
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 ...

$ E# m2 \7 F1 o% A是的，兄台说的对。
" w) Z: `4 Q" }; Y# h1 ]
6 c8 \% G0 A- U2 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。

  g  ^1 s* T+ {5 j; H; N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。

+ T1 V4 j' b$ ]: B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。
! x7 z5 d/ e. j
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

$ P' ^( @, w+ g/ {- E7 Y- J( b

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 ...

0 p- A, c: {! s
# z# o* ~0 y* S. o, v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。
  V0 F) {2 i( g; ~
% M( f( F6 J( U' h2 z3 J, T7 c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 ...

% ]. T8 I1 X9 A8 _, b- D时间差一倍的结果可以接受。
2 R3 }  n" {9 n4 R6 ~: k
你还是用profile工具看看吧。现在大家都主观瞎猜。

数值分析

" Z3 _& h# R- G& w% F/ K: H$ _& B5 z, S

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 ...

8 c/ r+ U. @3 p  I
$ {$ E1 P, z* T2 B  Y' f' Q" ~# R
能不能把这个也贴上来，看看和上一个有什么不同？

雷达

! ~7 Q. [% g' Q4 z% b& S2 ]

数值分析 发表于 2022-9-25 14:58
) _7 M' W' w1 `. r. C! n6 z能不能把这个也贴上来，看看和上一个有什么不同？

0 X$ \! D$ y# V; l! K理了理思路，重新做了一个测试。
* p. v# i, o+ E7 g: i& F4 e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.
- e7 ^# Y$ |4 H2 V2 t9 k
内循环试了4种方法，
$ ]7 j7 |8 A7 ^1. 直接调用 vector inner_product 247s
3 r( u  u+ |" Y. b1 b2. vector 循环点乘累加 237s
3. float * 循环点乘累加 204s
. K' s( p- ~  ^* O4. 空循环 100000 次 202s

4 g" m% g) k' d2 }不做内循环 200s
3 U. N/ Y+ p7 h; q# }: K
+ c( L6 P  S/ Z' q: R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。
/ G( y) X$ O2 G
3 i3 {9 `- @$ j/ ~2 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）

- k5 A( N. J2 n5 E% \* O+ {（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）
( R3 e) I; }) q2 v3 C8 `

        std::vector < float > vec1(N);
        std::vector < float > vec2(N);
        float* b1 = new float[N];
        float* b2 = new float[N];
: [7 D: h$ n# p
( ?5 {1 }8 z  V; f; Z        for (int j = 0; j < 6000; j++)
2 L  ~5 I8 T  |        {
+ f% B7 i2 v$ [1 S6 l2 X1 `                std::generate(vec1.begin(), vec1.end(), []() {
                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
                        });

! l" T: O- U" W% ?                std::generate(vec2.begin(), vec2.end(), []() {
                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
                        });
2 V6 X4 ?; l: J$ Z" u1 c
                for (size_t jj = 0; jj < vec1.size(); jj++)
5 d5 k3 c$ [/ G7 F/ F$ _8 c+ n/ @                {
                        b1[jj] = vec1[jj];
  P( G! p8 T' ~                }
. K3 T% T" o! E7 D2 C& a/ U
                for (size_t jj = 0; jj < vec2.size(); jj++)
                {
                        b2[jj] = vec2[jj];
% r( U/ \8 x* u& o8 k6 u                }
* {8 I$ z' c( R5 }  J' F7 ]! F
                //Method - 1  N=100000 247s  
                //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
% _9 x" J  }7 P$ K                                
$ a3 k* I3 C- y/ c                //Method - 2  N=100000  237s
                /*
                for (int jj = 0; jj < N ; jj++)
* _5 ^% v6 ^4 [" ?2 r                {
                        fresult += vec1[jj] * vec2[jj];
# n" [2 a# q+ V2 a4 v                }
                */
                                
                //Method - 3  N=100000 204s
                /*
* F9 q/ f) X! _- J" o: y                for (int jj = 0; jj < N; jj++)
                {
, L' R8 H( s+ h. J- ]* ~                        fresult += b1[jj] * b2[jj];
                }
                */
% P* ?* c: z. l  ~
4 f/ V! |3 n! Y! J+ X                //Method - 4   202s
                /*
                for (int jj = 0; jj < N; jj++)
                {
                        
) m  V( ~: F8 n5 Y- l                }
' i) B- e0 M# o) A- o  A$ ?                */
- w6 U! c5 ?( D1 `                //comment out all methods, N=100000  202s               
        }

7 [# ]8 n1 L) O        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？

$ M$ b2 y6 d/ G4 X* M# ?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？
" S  R$ {# o1 L" N

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？

0 p: C. F  N. J/ `6 H, r1 }你第二个试验里面的j在循环里面又重新定义 ...

  d, X+ F; M; q  h8 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

5 B* [1 r- G0 h' U1 S+ u# W4 f& n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
. O" q! u& \4 {5 `0 \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 Q: Y5 c' r& G9 H8 _2 ?$ m
5 ]) k+ x" F, F! c不和它 ...

9 N$ j* g7 b% \3 x8 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。
( @, V. }' M, |" E3 e5 n+ s9 j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
- [5 a& U# S9 g  M- G. evoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
* o  p$ b$ ~7 A0 w; _+ d{
        comp temp, xtimesy;

6 ]) o" Z* S/ F6 x7 y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。
7 d' U4 K3 \6 b5 Q, K; Q& g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？
7 t' I( F& o/ ~. v4 \, F4 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。