C++ 提速的新发现

雷达

C++ 比 Octave 慢好多，怎么破？
7 g: i8 }) q; i% A& D5 ]
; V5 |( S$ `- w; B4 m9 A$ G; y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。
  x; q! W" f6 w5 i3 W8 H) 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？
* p& ]/ A, p( `; M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

. n5 n$ a7 j- p/ R% E0 e8 q

数值分析 发表于 2022-9-24 23:04
拉下来？拉多少？
把代码贴上来看看？

void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
        comp temp, xtimesy;
1 p- G: K# U) A( S) O' B9 }        xtimesy.re = 0;
        xtimesy.im = 0;
        int j0 = lenB - 1;
        int    i, j, i1, reali;
/ T8 X- ^  u# h" S* {        if (lenA % 2 == 1)
+ B/ z1 K. d8 t4 X4 U                reali = lenA + 1;
        else
                reali = lenA;
        reali /= 2;
1 i1 B( m/ u  ^! {
" N/ L9 T# I7 K" R4 ~5 ?/ |        int nconv = reali + lenB;
        //#pragma omp parallel for
- S* i4 |" C! j& w; z  h( P0 ?        for (i = reali; i < nconv; i++)
* {- {7 e1 S& m        {
                temp.re = 0;
$ k; z" X" @9 g2 T                temp.im = 0;
                i1 = i;
                for (j = j0; j >= 0; j--)
                {
7 A) [( `% |* X: y                        /* floating date operation */
                }
        }
}
/ R3 l1 N4 D- t1 Y7 R" `4 F
1 B) c, S9 Y, xxcorr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
9 l( {  P+ `/ O/ s0 r! }* a# j
红色部分是内循环，现在其内部操作都comment out 了, j0大概是 6000。
# J' R+ ?* o6 P0 u0 \; ]' \现在call xcorr 100次，耗时78s.

8 V- H+ G6 P1 P8 `- [% z2 N+ L如果把红色部分内循环本身完全comment out， call xcorr 1000次，耗时 <1s.
; u: X1 ^3 ]/ O# z' h& i
6 i% l# _! z2 O

雷达

风雨无阻 发表于 2022-9-24 23:33
* F. y. ^$ |  N, s0 G) |0 _! lMaybe Debug mode?

不应该，看我上面的回复。
- S- Y$ _) X" |) @
* s+ O' P0 p6 t我更怀疑是 VS 社区版的问题

数值分析

3 k/ U1 m5 U- u* d  R* D

雷达 发表于 2022-9-24 23:54
% Y8 v" t+ @" r; e4 fvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
+ B+ p5 t2 ]$ `; s+ K# t        comp temp, xtimesy;

9 R4 s' q: ]5 t' Z
这个不是这么比的吧。。。
4 I# B. @: i; D$ h3 J
% g6 Y) Y+ }0 D) S4 E1 v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）。

# V/ S6 t& X; o( A/ H7 a' M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
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）。

! B1 v3 Z* s; m8 |4 X  K) b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。
  q6 J7 C+ [$ n
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
8 f! [' f0 k0 ~2 k' C. k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
8 n% H/ u% \0 v' Q+ SWhy 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。。。

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

- P4 I% [3 q# r5 Y; f
) [( m, e/ K5 Q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

9 v% g0 i$ Y$ z5 p

沉宝 发表于 2022-9-25 01:48
+ X+ c1 Q, _- [/ y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 ...

% r, Z: }3 U. J3 P) @: e) V! V% y是的，兄台说的对。

( K$ v6 f; ~" x, Y' U; Z! G" @1 @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。
% w% C1 b. ~- L$ P8 A, J: ~
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 }8 r2 `, \$ S! F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。

' b" ?8 \- M6 J: d2 g: E( ?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
0 W7 ~$ n5 s5 g* 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 ...

" y  M+ }  r7 P# c
9 k. m( O* D( D/ ?' j* D0 O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。
8 x6 s$ v5 t7 P5 ^
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 ...

- j7 Q) X; l: ^! o; V5 u2 g9 O/ G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

+ k9 E2 y* c6 e2 e3 G

雷达 发表于 2022-9-25 04:47
  ^4 {; ]5 Y/ f' E7 ~- s/ E. w0 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 ...

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
- z3 U; Z, [; `1 }: I& p" u* Z能不能把这个也贴上来，看看和上一个有什么不同？

" }/ i# P+ C0 X理了理思路，重新做了一个测试。
. Y% S! l7 M, B# n7 C( ~做了两个 vector 和 两个 float *, 都长 100000
& K, v7 `/ c# F6 J) t# W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.
' l3 u% ~  ]- Y- P. L
# F' R! m; u2 p& n3 u4 u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
' |- I- e" E, @2 m5 t0 m6 Z7 A; M3. float * 循环点乘累加 204s
4. 空循环 100000 次 202s
$ l. K& a) l- ^0 ?! q7 H' ^$ A1 p
' z6 x- |5 Q- C- _+ |不做内循环 200s
1 G6 j- j& N- V, y: O3 n- 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。
另外可以看到， float * 循环点乘累加 并不差，比用vector 还更快。

2 S9 U) ?% i' [& R4 B3 U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）

) ?4 L1 C/ \; R（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）

        std::vector < float > vec1(N);
        std::vector < float > vec2(N);
/ Z9 X6 \. m  h% w8 x1 V" h( w        float* b1 = new float[N];
        float* b2 = new float[N];

        for (int j = 0; j < 6000; j++)
$ J+ V9 I7 q, P# o4 b5 v) V$ x        {
                std::generate(vec1.begin(), vec1.end(), []() {
# m: \7 X) [3 y1 a/ c                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
                        });

  ~, a* i! k. \1 v- E% ~                std::generate(vec2.begin(), vec2.end(), []() {
                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
                        });

2 O4 [/ i; s; u$ \, t                for (size_t jj = 0; jj < vec1.size(); jj++)
                {
) ?7 C+ \7 E# I3 L$ J& B                        b1[jj] = vec1[jj];
7 p+ M. ~" C6 ]' H                }

2 w. U$ j+ o' x8 i/ q% C$ z                for (size_t jj = 0; jj < vec2.size(); jj++)
                {
                        b2[jj] = vec2[jj];
                }
- m. P8 \+ g( r- V, A  v1 L& y4 Y
                //Method - 1  N=100000 247s  
! D+ U0 h* Y$ f3 I( i  C                //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
. Y; A5 @% j8 m' B) b( i7 {" H% i                                
                //Method - 2  N=100000  237s
: c; Q3 j2 x% M8 f& J! q; u                /*
                for (int jj = 0; jj < N ; jj++)
, w- L3 y* i9 d! O! s. U& a& o                {
" _5 m1 Q: G+ y  b. G% G& F9 ^                        fresult += vec1[jj] * vec2[jj];
! N3 Y% D; D3 G                }
/ D$ p# c: D0 P% {, W9 `! E                */
                                
                //Method - 3  N=100000 204s
                /*
# N* z* d$ W! m$ X9 X                for (int jj = 0; jj < N; jj++)
                {
3 L' W3 w% L' Q$ C0 R/ G                        fresult += b1[jj] * b2[jj];
5 s8 X, D; [- Y6 [; @7 t                }
+ _5 f$ [% {. B, k) w9 E7 Q( e                */
1 @( T9 E! P, l) `
' S" t2 o9 i$ b- w! V: X                //Method - 4   202s
                /*
                for (int jj = 0; jj < N; jj++)
                {
                        
                }
                */
2 s% n7 p4 T& d$ Y7 E4 c4 \* n                //comment out all methods, N=100000  202s               
. r5 k. V3 O& X8 \) F        }
- U) e$ I. o" l! N* E- L  \* t
. t! r1 D- i, u        delete []b1;
6 G9 o4 ?& L! Q/ ^- i* {+ m        delete []b2;

% m- y) Q2 {+ t! e4 t

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？

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
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？
# r* v" p# }/ K* I
你第二个试验里面的j在循环里面又重新定义 ...

" [' B7 p  p; e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
8 ~+ j* @8 L5 L" l3 v
8 o) q& `+ l; L1 Z, R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
$ }! \% B0 V" }' T6 h1 Q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

不和它 ...

) [: U5 W  I4 U( G& f, `3 ?# e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
; L  z+ X& i) I$ t4 T# X& Wvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
0 ?3 k" Q8 E/ _$ |; l( s1 S{
        comp temp, xtimesy;

5 P2 y8 B+ V/ q+ i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。
, h( [6 R# S. i) R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。