C++ 提速的新发现

雷达

C++ 比 Octave 慢好多，怎么破？
" ]/ g$ p$ E1 C0 z( I: V  f3 n- l
+ [7 ]/ _" |( ]; _+ h2 u. o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。

: B' ^6 D4 n7 a: X- T( a( O) _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- J9 \/ V1 @拉下来？拉多少？
) E# m4 Z4 Y! ?( V8 L把代码贴上来看看？

6 M- D) {8 ?3 X5 }
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
        comp temp, xtimesy;
        xtimesy.re = 0;
        xtimesy.im = 0;
8 n4 F. e0 V2 [9 ?, l' @2 s' i        int j0 = lenB - 1;
  d9 |. f! T8 ]* Z; f! w$ @7 m* L        int    i, j, i1, reali;
/ @$ |+ w9 I3 l2 R( }        if (lenA % 2 == 1)
$ o  S0 D7 @8 v' A( X& b% C  d% @                reali = lenA + 1;
" K' c! H' i: m8 ?% t        else
% e& ^8 [  [( j. V- W1 Y* ]) k                reali = lenA;
- K, U4 T/ U* n# y        reali /= 2;
2 ?7 v8 h/ {6 P* w
+ r$ b' @" b6 K        int nconv = reali + lenB;
        //#pragma omp parallel for
        for (i = reali; i < nconv; i++)
        {
                temp.re = 0;
                temp.im = 0;
/ Z& _" K% o* T5 _9 ~) y  |                i1 = i;
                for (j = j0; j >= 0; j--)
                {
+ X, Z5 d+ ]; A. J4 p                        /* floating date operation */
                }
  r' j7 v0 ]; U+ o  C4 A+ U        }
}

# [5 L3 }- n1 S# Gxcorr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

) d' B% q3 ^, _  w. j2 h$ y! c+ P5 G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.

5 A) l( I8 K& U/ n- C* X* p如果把红色部分内循环本身完全comment out， call xcorr 1000次，耗时 <1s.
5 ^; i; \  p; W* [. L. H

雷达

风雨无阻 发表于 2022-9-24 23:33
4 ]6 O4 ~" @3 i4 @: bMaybe Debug mode?

# O7 ^7 s0 \7 {; m- ?# \
, ~) [# J  p4 D7 {$ H不应该，看我上面的回复。
9 U* I4 H$ A7 {5 U2 ], T0 l. d
我更怀疑是 VS 社区版的问题

数值分析

' k6 F1 i5 ^, Y( x

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;

& J' l8 |2 v# n' e6 O1 G/ Y" J这个不是这么比的吧。。。
$ D9 e/ x: `$ R+ Y
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

! t! T1 u0 \8 E# P

数值分析 发表于 2022-9-25 00:20
' W, q5 x) P9 \这个不是这么比的吧。。。
0 i1 r8 a# H" ~% F, r
" p7 U; T" C) W) F' 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）。

有道理。
1 K1 r4 a( b( `8 t- n8 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，记得 numeric 库里有算向量内积的，我回头试试。
$ q% F) h$ P  Z$ d9 {8 T& y
' y; V; [" F' h7 Z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 _/ \8 P% t: `$ W$ z8 P有道理。
7 Y  r: `* Z! i# j0 X! ~  R& l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 ...

3 `6 q* ?, _& E5 @% p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 h) N& A- U& E, XWhy 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
* z2 K! e% j8 d# t: N2 V这个不是这么比的吧。。。
9 X  B* {, u* A# Z! [4 _
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

( p. u2 k5 ]. b
1 I6 s: ~& J/ K  ?6 B, f" m$ 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

% N; ]0 r; U# Z" a: |- m

沉宝 发表于 2022-9-25 01:48
) U1 |. s" N& M5 B3 \2 `2 s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 ...

( w0 |. j% d& ^! x- J
% W) b. e1 Y8 V9 O7 |$ z是的，兄台说的对。

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。
' g/ [: R9 n6 w% C& x
+ u6 d$ H( b) n/ X1 k3 O2 ]! a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。
; ^, E4 j) G7 ~
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

6 s- W7 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 ...

6 s" b4 V) R) Z& @
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。

& l( ]( A, O4 d, ~( p3 P. a5 \我已经完全懵了。

沉宝

雷达 发表于 2022-9-25 04:47
. J" g# I% G  d3 Q4 p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

9 j5 b+ @' a' S) m  r

雷达 发表于 2022-9-25 04:47
, Z4 G' R/ l4 H0 J; u  G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 ...

" p( G2 K% @5 a9 G4 Q


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
) ~" Q% \5 z! f7 s& W3 E能不能把这个也贴上来，看看和上一个有什么不同？

* d; f% G) S: I2 V! X$ r理了理思路，重新做了一个测试。
! k4 A% O7 _  K* `! Y$ r1 [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.

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
3. float * 循环点乘累加 204s
4. 空循环 100000 次 202s
* ^8 r+ w! q: z7 q0 C* P+ _
2 f( B. L; H4 Z! S不做内循环 200s

6 {. G- R0 T# L; C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。
9 v/ x8 E4 Y$ t6 J
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）
3 _( o) |4 K1 w' L3 Z3 ?1 I, f/ V

        std::vector < float > vec1(N);
* ~: Y! |7 F- a        std::vector < float > vec2(N);
        float* b1 = new float[N];
4 U8 M, n  K% `; ]% Y# `. M        float* b2 = new float[N];
/ p" ?4 t/ D% }4 g' V# o
        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));;
, @% g8 @+ _/ h2 t                        });
/ G3 z% S9 b  A+ f4 u8 z, S' Z
% [$ H0 K% S$ h8 U                std::generate(vec2.begin(), vec2.end(), []() {
$ n, K' c8 [  v" q                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
; Y  A8 A9 }$ z6 s5 {! t                        });

                for (size_t jj = 0; jj < vec1.size(); jj++)
                {
% h4 R( w+ ?& W, \5 s6 \                        b1[jj] = vec1[jj];
                }

                for (size_t jj = 0; jj < vec2.size(); jj++)
$ X5 f- ^& r0 \% i* T1 i! q                {
* r/ _6 E, o9 c6 j+ w                        b2[jj] = vec2[jj];
                }

                //Method - 1  N=100000 247s  
                //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
# q- S9 i3 A/ a" k                                
                //Method - 2  N=100000  237s
  j% _* B! x1 r                /*
3 J& C% Q/ }1 K: y5 e1 h                for (int jj = 0; jj < N ; jj++)
                {
                        fresult += vec1[jj] * vec2[jj];
* M% s6 i/ }8 `& G$ F- s                }
) H+ d+ t7 }. f9 P                */
$ L9 v2 L6 i9 J9 w9 t                                
( m3 J% N, [  V                //Method - 3  N=100000 204s
                /*
# Z6 A8 g+ m; ]  T- s$ Z                for (int jj = 0; jj < N; jj++)
0 T; u; [  v  m* }- y                {
2 l. c, S8 I; S7 U5 c* q/ }                        fresult += b1[jj] * b2[jj];
                }
                */
2 j' D2 G/ w0 D& F' e
' l! ~" O  f7 s, ^                //Method - 4   202s
2 @1 m3 J6 z! o7 h' j% S& ?7 h                /*
$ e% z( B0 \% h  u, Y. |+ ~                for (int jj = 0; jj < N; jj++)
                {
                        
2 x/ X5 P& z$ ?1 A& a# Q                }
                */
                //comment out all methods, N=100000  202s               
, {( s3 L! u4 p* l( W        }

' {, b" W" f& _9 y. N8 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？
' K8 X3 f2 |1 f. h/ o0 u8 x3 `
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？
3 D  E' E- j3 ~' u- A: R1 n+ C- `

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 ...

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
* J. L! \9 i- ?# W6 \
4 X6 b4 }) J# `% y6 h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
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
3 f( t8 _+ L2 s) M* b" R; K
& K% u$ Y0 h" D不和它 ...

1 j. Q$ {0 Y$ ?9 s; W7 O6 `& y  \) \, T
, @- L" d7 H! h' y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
9 U: d$ T9 u  q; K6 r7 h+ H% u6 ovoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
( ^+ T; y( S0 r- J1 B{
        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？
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。