C++ 提速的新发现

雷达

C++ 比 Octave 慢好多，怎么破？
' m+ p  J% P( l/ W5 B- K7 Q" o
4 d- r; s, g8 I! o. q8 {+ U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。
2 B. j8 z1 p& h% U2 [
欢迎大家继续讨论

数值分析

拉下来？拉多少？
# b8 u; K3 ?# d" q1 p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

5 e4 S/ F; [/ z' G) n& ~9 I

数值分析 发表于 2022-9-24 23:04
拉下来？拉多少？
$ E# S4 W4 a' B把代码贴上来看看？

4 X6 c6 \7 R: r4 p7 U2 g
, W8 X' k& ?! d% g0 `( \1 Y% @$ {void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
0 ~7 u# H- t& {        comp temp, xtimesy;
        xtimesy.re = 0;
        xtimesy.im = 0;
        int j0 = lenB - 1;
' o7 u" A, i, H/ ]9 n5 ^        int    i, j, i1, reali;
        if (lenA % 2 == 1)
4 y3 c& _& o* f7 _* g0 ?  s                reali = lenA + 1;
        else
/ o: j5 g0 M5 `/ S) r0 R- e2 X                reali = lenA;
3 h6 G+ H, k% L: i        reali /= 2;

        int nconv = reali + lenB;
) w1 D7 C2 M! F. {        //#pragma omp parallel for
        for (i = reali; i < nconv; i++)
        {
! B" e1 U7 D' f1 S6 }                temp.re = 0;
5 s" G- z/ e* S0 m5 K( j                temp.im = 0;
                i1 = i;
                for (j = j0; j >= 0; j--)
  G1 a, W5 z( T4 U2 o$ T                {
                        /* floating date operation */
* j# U0 K3 o* v3 ~; `                }
        }
}

0 M( M1 j1 {9 Z! fxcorr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
& U) \5 g2 _1 [7 O3 P) _
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.
0 D! R, Q* [* {1 Z& i$ G
; ~+ K$ L* d* T- Q( i) ]如果把红色部分内循环本身完全comment out， call xcorr 1000次，耗时 <1s.

6 {/ |# L' N! Q( Y( m

雷达

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

不应该，看我上面的回复。
" Y% R# m3 ^$ i. P# V+ P
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)
5 j* }$ A# x$ T* ^2 c5 w; q+ F{
8 q6 z; r1 s4 `7 O        comp temp, xtimesy;

3 {1 T: O5 g8 f( B" n这个不是这么比的吧。。。

/ }/ s, ?, u8 `- a' `2 _- |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）。

  n5 P5 x- ]/ v& U# [. D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

: g/ t1 v5 p) c0 c+ J

数值分析 发表于 2022-9-25 00:20
$ y- V0 Q1 n* M3 T) q. ?这个不是这么比的吧。。。

. c  o1 n1 d9 h$ Y6 j8 ^) H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 p  y. }- C* m# K1 B2 T7 P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。

% r; C% S) o: w5 r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。
+ M  D7 L# f( s! P$ P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
这个不是这么比的吧。。。
+ l' v3 k. l2 l+ a& _* e
0 o- ~, _3 v8 W& f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

6 q8 b( u* G1 t6 X$ ?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

; u' n& C1 A7 Z: t8 u

沉宝 发表于 2022-9-25 01:48
) l  U8 h- l1 y# V) I' F/ i3 V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。
' J4 [- @7 J$ i8 I0 @" z
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。
, ~5 Z1 \$ o. _
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。
9 B; ~, r+ C) P* ~7 z9 Q
; h( o" P# a. B! D4 U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。
" r2 r# A! q9 S- H* e' P
' F- }0 _2 T# P2 F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

: r5 H% j( D7 r* r1 `

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 ...

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。
: j. q, M  T. b5 s, _+ Y
8 f- ~6 |8 P; N( `: f/ H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 ...

时间差一倍的结果可以接受。
5 Q) c" T; Z% c, b" t& @4 T
, o0 [+ a# _& \7 M你还是用profile工具看看吧。现在大家都主观瞎猜。

数值分析

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 ...

- r9 Z6 P& Y8 A3 [4 ~7 l! E& u7 c


能不能把这个也贴上来，看看和上一个有什么不同？

雷达

/ p* |* Z0 T( C" \3 M2 V

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？

! P( f% g( X9 Z# c( q  V7 M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
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.
  z" O. N  t. h% ?. y
内循环试了4种方法，
/ [3 [+ f7 `5 r4 K* x' a  \6 K& N  k1. 直接调用 vector inner_product 247s
0 b8 r7 |. r: r8 F: k8 `2. vector 循环点乘累加 237s
3. float * 循环点乘累加 204s
* ]& M$ j) @  \4. 空循环 100000 次 202s

! Y5 z+ F! T: l1 R% K. w% c不做内循环 200s

你昨天说的对，内循环本身占比是很小的，大头在其他处理。
$ e  ^, ]+ Z) |1 e8 V另外可以看到， float * 循环点乘累加 并不差，比用vector 还更快。
4 i5 j: t0 I$ A5 a
: d6 ]: A4 ^# H+ \9 U8 M6 x; b1 L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）
; [* ~. F# m0 P. j
（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);
% S9 q8 t1 Z  M2 Y( [        float* b1 = new float[N];
8 c! ]& K* ^. r        float* b2 = new float[N];
+ M' v3 q) M" Z- f' E0 ^
        for (int j = 0; j < 6000; j++)
+ u) r$ I, C' [6 e: t: J' I/ X$ b        {
$ ^9 S% x1 D  h2 g! h+ L                std::generate(vec1.begin(), vec1.end(), []() {
                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
6 E. n. U% H$ w& o                        });

0 z. `, D9 V# ^/ j7 ?                std::generate(vec2.begin(), vec2.end(), []() {
                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
! C0 o2 w4 H0 o. V( j$ ]$ j$ T% e                        });

1 {) S6 L" R! z( Q9 `7 B                for (size_t jj = 0; jj < vec1.size(); jj++)
                {
8 u, H; q& s) h9 E$ Y9 T8 {: Z                        b1[jj] = vec1[jj];
$ |6 O* e2 {7 G, I( V                }
' w  m* {5 K% L3 t
5 M* U1 C5 r3 m. F                for (size_t jj = 0; jj < vec2.size(); jj++)
. s1 B3 w& A* \2 Q2 ]" ^                {
3 k: d) M* S1 [3 V' U! t                        b2[jj] = vec2[jj];
                }

                //Method - 1  N=100000 247s  
1 x# s- v/ m: z/ T4 r* Z& @% ?                //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
                                
: N) p6 d6 c3 {/ U0 G8 i- _' s  y4 D( }                //Method - 2  N=100000  237s
2 ]1 o% f9 j" E" d                /*
                for (int jj = 0; jj < N ; jj++)
! b( k/ P# a# M! P7 t                {
                        fresult += vec1[jj] * vec2[jj];
3 `+ @/ Q3 t, T2 d* W. c9 Z. J                }
  ^/ @: z, T8 {8 m  P: ^                */
+ s; k& K( E$ X* K( X; Z                                
+ t8 W- Z( `/ m                //Method - 3  N=100000 204s
2 e8 {! X0 N; R& g* F6 z                /*
                for (int jj = 0; jj < N; jj++)
                {
4 z9 r: k4 J5 K                        fresult += b1[jj] * b2[jj];
: ~' M! ?- R% }( J1 M, l6 e. u0 b                }
                */
, K% L5 e- z1 W& r* ~
, Z) P+ y5 j* ~  ~; x5 K                //Method - 4   202s
                /*
3 d3 A/ k+ G# L+ L' Y                for (int jj = 0; jj < N; jj++)
% C+ \: K# s' }; m1 j% W                {
  q! f6 x+ l" ~( p: O8 h                        
                }
  K8 @7 r6 Z* w1 o                */
1 X; f) R+ ^5 x8 {6 H                //comment out all methods, N=100000  202s               
+ \7 s5 |- O  C1 e        }

        delete []b1;
        delete []b2;

, d4 g$ ^# m  ~7 R" u+ ~- H

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？
: Y0 M: X9 ?3 _) D
: W; O. `4 h6 Z$ c, B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 _5 H' F/ q+ r* x( p

雷达

机器猫 发表于 2022-9-27 00:15
6 X6 G; q$ o2 e9 A" l7 J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？
1 @2 W# l' U$ y1 Z
你第二个试验里面的j在循环里面又重新定义 ...

3 w* Z" C0 b& N; A% s3 Y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
. }" H- P; g7 J( H9 H3 h4 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
5 B% g7 I5 V/ U' ~4 p7 ?' u* i3 y5 p
不和它 ...

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。
. ], Z- Y* }# e+ ?' X/ Z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)
{
        comp temp, xtimesy;

8 x8 O$ q& H0 n# b5 x$ ~: H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。