C++ 提速的新发现

雷达

C++ 比 Octave 慢好多，怎么破？

1 a  S# q' B3 ^6 C' g( b  `: 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。

速度优化问题真的很有意思啊。
4 h' T7 Y7 e+ a+ a* c: l; N
欢迎大家继续讨论

数值分析

拉下来？拉多少？
5 A: H# K2 J4 n- ?5 l% q1 u% s" S, U& Q把代码贴上来看看？

- R  Q$ k- H% ?8 U. U& p( C0 v, }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

" E' U, D- f0 m5 k$ ]6 n

数值分析 发表于 2022-9-24 23:04
拉下来？拉多少？
: |& ^& q. b+ c( s7 m; N把代码贴上来看看？

8 N* E: \* a3 F* Y* y
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
        comp temp, xtimesy;
        xtimesy.re = 0;
6 S" i- [9 T1 U0 X. K; v! z        xtimesy.im = 0;
        int j0 = lenB - 1;
        int    i, j, i1, reali;
        if (lenA % 2 == 1)
                reali = lenA + 1;
        else
/ x) g8 ?3 k+ s0 e. e% V                reali = lenA;
        reali /= 2;

; X3 y8 B1 K8 E/ w1 W        int nconv = reali + lenB;
' U+ t( P1 N4 f5 f) [: j        //#pragma omp parallel for
* q3 P6 K  k7 Z        for (i = reali; i < nconv; i++)
9 t, f8 @9 m' w- M: e5 M4 Y$ m$ C" N5 U        {
                temp.re = 0;
                temp.im = 0;
                i1 = i;
                for (j = j0; j >= 0; j--)
  p3 f+ M' ?0 Z( A                {
$ G# `# F" P( S7 H3 A                        /* floating date operation */
4 H1 q; p  |* O+ H; B7 H4 O                }
0 @+ X% q$ ~: ^. b        }
}
2 E6 A' `: H2 {  V9 G/ J
  D1 J1 i) N- |# z6 T6 M) Mxcorr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

% n# O, K" m7 c8 k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.

如果把红色部分内循环本身完全comment out， call xcorr 1000次，耗时 <1s.

雷达

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

; V; |, y  l4 s# K- w
不应该，看我上面的回复。
! `9 h- G5 M# R0 r5 n  O
我更怀疑是 VS 社区版的问题

数值分析

7 n. G8 h- s0 z0 U/ U

雷达 发表于 2022-9-24 23:54
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
/ R! R% O5 |8 Q1 x" i' ]{
        comp temp, xtimesy;

这个不是这么比的吧。。。
+ L9 p- r1 n( C' q9 K
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）。

" r: B+ B. L' w1 M) w' U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

/ ?; q6 E& s) \% U5 c

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）。

7 [3 `7 A! d9 G* L+ @3 ]+ Y4 a
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。
! ^9 W: l* s% p+ ?4 U# B
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 ...

( y5 d6 p$ J$ u: h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
, F8 S: F# H! c; v7 G3 B; qWhy 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。。。
( l) c( R  @$ c8 r3 D2 E# Q
% E% X6 |8 o+ M: ]# Q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

1 C0 C% V6 F0 S9 ]4 S1 ]" Y" w
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

1 W. l6 m2 _3 g" x; [/ K

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。

5 @: O! |6 _- Q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。
4 v+ |! ^* f8 J. d; }  ^1 ]1 b# P
+ V' B$ u! S( u/ @9 S2 N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。

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

沉宝 发表于 2022-9-25 01:27
# E( d: G: D+ e% c2 X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 ...

. L) f. G. m. i$ [* I
4 ^; f: r" w$ g* c& U6 @) R4 K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。

% u0 B$ q5 H3 F- v. @我已经完全懵了。

沉宝

雷达 发表于 2022-9-25 04:47
0 M3 \/ c" |6 h/ {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 ...

. b+ S% F  B: L4 I9 N- J: z时间差一倍的结果可以接受。

! U+ V! v2 k1 T, _0 s- k你还是用profile工具看看吧。现在大家都主观瞎猜。

数值分析

9 |9 N. P6 B0 q: ~4 U; ]

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 ...

4 Q5 R! t8 T# b' C+ l8 P$ u, J" r

' l& l! ?" `1 C9 Z' S
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？

5 C- g5 t. A, i& q理了理思路，重新做了一个测试。
  _3 S8 c3 s% x7 \) H做了两个 vector 和 两个 float *, 都长 100000
* n2 @7 z0 T% c. m1 L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，
: G9 X$ H2 ?4 D1 v1. 直接调用 vector inner_product 247s
: _( O; H- ~* d8 `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
7 j$ X+ W. g. Q+ p, p
. }$ i" p, t0 S: N9 B不做内循环 200s

6 k* X2 e4 Z. d8 N  o5 Y, n你昨天说的对，内循环本身占比是很小的，大头在其他处理。
8 s( h) V' o2 _( S另外可以看到， float * 循环点乘累加 并不差，比用vector 还更快。
+ Z$ e6 T$ @+ k# ]
( Z5 l3 O; t2 l4 o3 w3 O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 g" u- u# j# c* N( g9 ^/ ^# v
（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. E) n8 `/ T) L8 I( i

        std::vector < float > vec1(N);
        std::vector < float > vec2(N);
: Y3 n+ ^6 U0 k) {* u+ V        float* b1 = new float[N];
        float* b2 = new float[N];

. n& M, c8 z0 u5 K) ~& C: W: l4 A8 \        for (int j = 0; j < 6000; j++)
9 ~* ^9 @" x# q& e3 E3 T) p        {
% N0 s5 K# q( x% q1 y7 ]# U6 Q0 R                std::generate(vec1.begin(), vec1.end(), []() {
                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
                        });

                std::generate(vec2.begin(), vec2.end(), []() {
                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
3 D. r- b# l' L. y5 I                        });
2 P$ t. p6 j4 ?9 u+ x7 y
( f* I& J7 v7 w3 `' l. z0 `1 W& e                for (size_t jj = 0; jj < vec1.size(); jj++)
                {
% M1 j# o& L( r9 Y7 B                        b1[jj] = vec1[jj];
+ g3 b0 Z' e9 ]+ A                }
" D( O  i- ^# k
9 ]% v# p9 e  P. E9 u+ |: D$ |  q                for (size_t jj = 0; jj < vec2.size(); jj++)
2 l# _( ~# S0 O$ w- X                {
                        b2[jj] = vec2[jj];
                }
/ L  m$ f8 [1 o1 V: o. f
$ f( B$ Y/ H9 m                //Method - 1  N=100000 247s  
                //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
                                
) p4 Z. {7 T, s% I( F- r" U5 r                //Method - 2  N=100000  237s
+ l* k. p4 ~% g, a6 L& s                /*
                for (int jj = 0; jj < N ; jj++)
                {
                        fresult += vec1[jj] * vec2[jj];
+ w; Q' e" P5 S* k% Z% F                }
( j: n2 s, R6 {3 A                */
                                
- p, \6 n* Y# B$ ~                //Method - 3  N=100000 204s
                /*
# q( J% k" s+ Z# z1 V* z) A                for (int jj = 0; jj < N; jj++)
                {
                        fresult += b1[jj] * b2[jj];
                }
                */

                //Method - 4   202s
% {) i( E1 y! g9 _  k: K                /*
                for (int jj = 0; jj < N; jj++)
                {
                        
" O5 B/ b$ H/ w' l$ J                }
3 Z+ [9 ]/ U+ i9 o                */
                //comment out all methods, N=100000  202s               
: }1 A, p& M) r9 q" K  a( D7 U. e        }
1 O1 E& p' Z+ x( @2 y% N
0 p# F* B. [1 j% I  X        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？

. S8 T$ L1 d  Z( a# \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？
2 S, L- H) M3 q; y. p/ n! n- M

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？

; ?: X9 u( o; K: R2 A9 ?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
* a7 v2 @' f" R# }/ S
" e8 c' j8 z, @1 D4 c+ `% ~) M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
9 C( |1 B: n6 `  O/ J4 w$ q4 L
% d1 U, ~8 p" I$ A0 a2 S不和它 ...

  h. |, X3 J( K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)
{
2 V6 R$ X/ h/ n- U        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？
" j  B/ i$ X; a" o% bVS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。