C++ 提速的新发现

雷达

C++ 比 Octave 慢好多，怎么破？
8 {7 H7 X# M1 K6 S- `7 _
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。
" v, d9 h. z6 @# ~: \0 `9 Y
8 k' U0 t% i* g2 r/ v# r* s5 d速度优化问题真的很有意思啊。
( ^- u/ Q# ~! I+ g5 x: R
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？
$ X( `9 k1 G& z
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

' @7 }8 ]/ |4 W8 \

数值分析 发表于 2022-9-24 23:04
拉下来？拉多少？
" z6 \5 [9 B2 P: g把代码贴上来看看？

void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
" j7 J+ r) t2 f" u9 W{
        comp temp, xtimesy;
5 F1 u+ ^$ T2 E* J- G        xtimesy.re = 0;
        xtimesy.im = 0;
        int j0 = lenB - 1;
        int    i, j, i1, reali;
        if (lenA % 2 == 1)
  v" O$ X( j+ D1 o7 e                reali = lenA + 1;
        else
                reali = lenA;
        reali /= 2;

& F1 ?- i6 P& `0 \+ g1 t; z        int nconv = reali + lenB;
, N8 y; E! l" J6 f; s        //#pragma omp parallel for
        for (i = reali; i < nconv; i++)
        {
7 B3 ?: f8 W- ]8 w( R) Z8 t                temp.re = 0;
# [& U! K+ U0 r7 H                temp.im = 0;
                i1 = i;
                for (j = j0; j >= 0; j--)
+ n4 P  l( R: B% G& I+ f8 b+ C                {
! V4 h3 _  \4 K+ h# P8 E# ?                        /* floating date operation */
' S- W) }9 D5 M- m4 Q6 l1 c! ?; u                }
0 ]1 k4 M" X' |        }
}

  Q+ S  N8 e# Z4 X4 E/ {% [" Lxcorr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
4 I0 O* ^; C$ f3 z9 l5 N
红色部分是内循环，现在其内部操作都comment out 了, j0大概是 6000。
* E2 F. C) r- `( j现在call xcorr 100次，耗时78s.
( D( Y0 S8 g0 o3 Q
+ u; u* T$ W+ b如果把红色部分内循环本身完全comment out， call xcorr 1000次，耗时 <1s.
' ?- T9 X4 D8 |3 j; d) C" I, i
; Y4 E6 M' G5 W5 E

雷达

风雨无阻 发表于 2022-9-24 23:33
6 L5 W# Y) }# e# N( `- R5 {7 rMaybe Debug mode?

1 a  y, n3 P# v- m: _8 {% I8 a3 ~% e5 W不应该，看我上面的回复。
1 i: ?$ ]2 `9 i- c; G' j( c' h- x3 @. V
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)
{
" V2 x' U: w7 e+ w# n        comp temp, xtimesy;

' r6 |$ j" Y' M& T5 {. W这个不是这么比的吧。。。

9 q0 ]2 U) ?3 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）。
4 }. S$ M4 i. z! X! x* |7 ]
  M! K3 l. f7 z+ Z6 z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

数值分析 发表于 2022-9-25 00:20
; y3 j% u6 {: W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）。

  h; \- N# x7 m1 e3 c, Q3 l
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。

. k5 _8 n) y1 A$ ^! T% ]0 }# G! c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 ...

% g! P0 j! j; D* I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
这个不是这么比的吧。。。
& k( C% k# i1 @; q0 Y# U- t
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
6 v0 H$ I& D6 t+ J5 F3 ~- {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 ...

" i% Q$ [3 V0 s- f* P4 Z' e) n
是的，兄台说的对。
+ P4 |9 U- ^& Y* R2 ]- O
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。
- _& F) K& k9 l1 ~& a7 _
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。

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

, c4 N4 _* c! e0 z

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 k1 J8 a% \8 Y6 P5 A! F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。
4 G* s) Y" @! J8 Z7 z! r+ ]
& _% s- r8 u6 N2 I5 i/ \# z! R0 K我已经完全懵了。

沉宝

雷达 发表于 2022-9-25 04:47
  P3 e* I" s1 `, C6 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 ...

时间差一倍的结果可以接受。
5 r6 \% H1 [. [9 X1 M+ L
5 c) D9 N7 z6 P你还是用profile工具看看吧。现在大家都主观瞎猜。

数值分析

) w: T& Z. m7 d4 |$ [8 u

雷达 发表于 2022-9-25 04:47
  B* h5 ~: \+ y5 e& ]6 R) _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: [* D- ?5 G4 x) L
; ]4 c# M' _, R: t

能不能把这个也贴上来，看看和上一个有什么不同？

雷达

! i- _1 y) N$ A0 f! E( a" E# Z

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？

7 S, v) M: n% M- U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
( s$ G# }8 J% c) z3 Q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.

3 R' d! Z9 w) U2 V: i! l9 \4 z内循环试了4种方法，
1. 直接调用 vector inner_product 247s
) T9 [* f) m5 o* l& X, u# Q( \9 g2 I2. vector 循环点乘累加 237s
3. float * 循环点乘累加 204s
4 Q3 w: c* q, m0 D' z4 G4. 空循环 100000 次 202s
6 |, j) N! x/ y- }1 j. N6 @& `
不做内循环 200s

% e2 C' K5 X5 z9 S你昨天说的对，内循环本身占比是很小的，大头在其他处理。
& l* `) v( X! h& Z/ P/ s/ B另外可以看到， float * 循环点乘累加 并不差，比用vector 还更快。
0 \" v( w' v" a7 u! H- Y+ ^, \
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）
, u$ c% Y0 [& r2 _+ k- X( T
（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）
! d' G) E( ?( p& _' x, p( O

        std::vector < float > vec1(N);
        std::vector < float > vec2(N);
        float* b1 = new float[N];
        float* b2 = new float[N];
2 ?4 s8 V( `$ Q- v( S! \* @
# o% N- l- k3 x8 Q        for (int j = 0; j < 6000; j++)
) U. L6 w6 F; d; m3 Q/ a        {
# S0 Z* C# z. }: p9 P                std::generate(vec1.begin(), vec1.end(), []() {
                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
7 w3 B$ q; _8 Z1 B                        });

                std::generate(vec2.begin(), vec2.end(), []() {
' ?) E2 x, x3 i: |! [. ]9 g                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
  S' r9 z: t2 R7 T/ L5 L                        });

                for (size_t jj = 0; jj < vec1.size(); jj++)
, j( g, V) u, S5 z1 x/ ]$ y                {
                        b1[jj] = vec1[jj];
                }

+ V4 q4 j5 M3 y) h( o7 U                for (size_t jj = 0; jj < vec2.size(); jj++)
                {
                        b2[jj] = vec2[jj];
# [# z. d* d( h* f5 J% s8 `/ A                }
8 O) B, q$ \, v4 v. Y# ~, n
+ l% c2 `, ^0 s. ~( O- f; [                //Method - 1  N=100000 247s  
9 u. H( M" A" |                //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
  ]/ N# Q+ Q" P. v+ |: M. o- ?                                
                //Method - 2  N=100000  237s
                /*
                for (int jj = 0; jj < N ; jj++)
                {
) d9 N6 }/ t4 i. F$ F) q4 V0 R9 A# Q                        fresult += vec1[jj] * vec2[jj];
6 f4 X0 a* G  W: k; S( n                }
                */
0 t6 o* C' z# _3 |                                
* Y5 X/ t; e! A) v. t; g8 B1 {                //Method - 3  N=100000 204s
                /*
                for (int jj = 0; jj < N; jj++)
                {
! T; U+ o9 ]/ L% ~/ c8 n9 \) C                        fresult += b1[jj] * b2[jj];
                }
' p! n, L6 m9 n* T4 B                */

# l! C2 w% R, p5 C                //Method - 4   202s
4 v6 u* b" P: q( n7 {0 C                /*
                for (int jj = 0; jj < N; jj++)
                {
                        
                }
                */
$ |. {. k& U- a# E' S                //comment out all methods, N=100000  202s               
        }

; W8 k4 X( f3 Y: ?& e% `        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？
! N5 X  p. E! ]6 ^  O( j# b
5 q: r6 [$ U4 ~+ Y, w1 n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？
- p- `. Q0 ?) J! s/ Q9 S

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？
7 m) q% s, Q* |; @
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
+ o; j/ o0 N/ A3 `# Z
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
; b6 @/ T6 ~& R: X
  n5 e, H7 q& [1 t不和它 ...

) W' c- b! m2 F, K6 m# X/ K& A
/ N% ^& ~( a! \) q/ S& _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
' X4 X, g( O  n, T$ [. @void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
        comp temp, xtimesy;

) L- H% T' ~3 r! z6 E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。