C++ 提速的新发现

雷达

C++ 比 Octave 慢好多，怎么破？

3 F! h) e# E7 C8 h; |% _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。
. @5 _" ]) E4 E7 `8 b
" Q! K! p. S2 [# x) z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？
9 H0 C: x0 B: S' o# R- x* i
3 ~7 c. h/ ]: Y+ N( }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
6 }; W4 J& y& ?, ?+ r' H拉下来？拉多少？
% \; D! q0 Y6 S; w9 b把代码贴上来看看？

" U! q. h' `6 v& \2 |: s
' K& R# M- x% _. r8 evoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
% ?) ]& [: L6 s: M! B{
        comp temp, xtimesy;
        xtimesy.re = 0;
        xtimesy.im = 0;
0 }3 z0 J3 H6 D; Z( P& J, O        int j0 = lenB - 1;
        int    i, j, i1, reali;
        if (lenA % 2 == 1)
                reali = lenA + 1;
9 G* u5 x( r  L        else
                reali = lenA;
5 u9 W% N: j( v- c- N) b        reali /= 2;
7 X+ {. t6 T2 l$ b
        int nconv = reali + lenB;
        //#pragma omp parallel for
        for (i = reali; i < nconv; i++)
! Z7 r* E9 ^5 P8 u        {
; r7 Y5 S/ i  J                temp.re = 0;
, T5 p- K# G8 [9 C                temp.im = 0;
                i1 = i;
) ^- _- r" e' h                for (j = j0; j >= 0; j--)
7 {" c7 l' s1 j. V/ ]% A                {
                        /* floating date operation */
; H- N2 f0 o7 ?, v- C1 g' Y# @5 ^" {                }
# w4 t* x* x' Q/ h9 Y        }
}

xcorr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

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.

& _, S: |/ y; \1 X. w6 x- w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
2 ~! S( w9 F( x% r1 C6 S$ kMaybe Debug mode?

不应该，看我上面的回复。

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)
{
        comp temp, xtimesy;

' m: ]8 t! W$ G7 O$ k/ n. x% L8 M
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 ]  @. I/ n2 k; O/ _, F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

5 K( s! A4 u+ c  M

数值分析 发表于 2022-9-25 00:20
+ C) O7 Y, t$ y# @0 P& j这个不是这么比的吧。。。
6 D) E5 g& N( i2 M
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。
7 `& t3 _: g0 f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。

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。
! P" [% s; B1 D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。。。
. h7 W) N4 d, {6 h9 G( g: I9 C
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

) b# c0 B& ~: L: k  ^1 f9 }5 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
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。
3 n7 l! H6 U0 l! {, q  R
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。
6 T+ X8 x2 m- N- D7 Q/ {
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。
' `0 p1 g6 |8 J' Z' k
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。
/ T* j: }, y* p6 W+ V  Y+ 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

/ x: j+ u* s6 g' h* h+ G

沉宝 发表于 2022-9-25 01:27
: V' Q" ]8 S+ _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。

" |4 ], n$ l  T5 x( N# [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。
' {* u% ?! Q$ ]" O6 @5 G8 h
8 N4 D2 r: V1 N- ~; \' G: z你还是用profile工具看看吧。现在大家都主观瞎猜。

数值分析

3 K) g. L. ^5 W3 n' W+ L

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 ...

7 Y7 D; V. Y% [* b' ]2 h


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？

8 x3 [9 ?+ {; U' J理了理思路，重新做了一个测试。
# ~# E" K) w3 n2 G' ?做了两个 vector 和 两个 float *, 都长 100000
# n6 z+ G9 Y2 L$ U# i, f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，
  j! U* u5 I6 D' \& E8 J" ^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
( ~! F! C7 q) ~1 o  d: Y$ u4. 空循环 100000 次 202s

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。
  M3 d+ s/ t4 F1 M1 C9 Q0 e另外可以看到， float * 循环点乘累加 并不差，比用vector 还更快。

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）
/ v8 M) u& D6 N$ ]6 A; \
# }9 J6 f- t7 B5 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）
; c1 p5 p: h$ Q! b" e

        std::vector < float > vec1(N);
/ D2 Y' `0 q1 K. k. z, l$ Y1 V        std::vector < float > vec2(N);
        float* b1 = new float[N];
        float* b2 = new float[N];
+ k& p- T2 e% _+ I) n  e% D: @9 g- f
        for (int j = 0; j < 6000; j++)
: U. F8 l4 l3 J0 F. A        {
- T$ D+ u  X  B                std::generate(vec1.begin(), vec1.end(), []() {
/ B# S$ x- c+ F6 e/ x! R                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
                        });
1 u& @3 h- G2 P! b* k6 x$ S6 Z
                std::generate(vec2.begin(), vec2.end(), []() {
                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
: T1 x+ l9 h+ H8 T4 ^                        });

                for (size_t jj = 0; jj < vec1.size(); jj++)
& p9 M, t/ p2 k5 E2 F& z                {
                        b1[jj] = vec1[jj];
                }
- p4 M5 l; h; y4 ~- ~, o/ n* J9 B
0 n% }) F+ @9 z. M                for (size_t jj = 0; jj < vec2.size(); jj++)
                {
9 F4 ~% z; N: {: o) T4 p* F                        b2[jj] = vec2[jj];
! M0 |9 ]3 D2 V" s                }
* w% D. l+ u) ?3 {! G# t
: K$ L5 R1 Q, _( D. X) V                //Method - 1  N=100000 247s  
* N) L; N1 D- Y                //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
1 J3 C$ H2 u1 t0 T: S5 f                                
                //Method - 2  N=100000  237s
                /*
) Z( }+ Q0 I4 p% o3 q                for (int jj = 0; jj < N ; jj++)
                {
( O* P, A. L9 I5 |2 V                        fresult += vec1[jj] * vec2[jj];
                }
                */
                                
                //Method - 3  N=100000 204s
/ V: J; V' K+ d2 y" Z% K                /*
8 ^6 U' H3 F6 Z5 m1 }3 g6 @9 F* ^                for (int jj = 0; jj < N; jj++)
: o) ~& e/ ^  K3 b) g                {
                        fresult += b1[jj] * b2[jj];
                }
) E* e1 d& M( G7 `                */

                //Method - 4   202s
                /*
                for (int jj = 0; jj < N; jj++)
                {
6 b3 Z) J8 l3 I5 ?$ n                        
' |: V+ C$ |! o9 Z* |                }
, G: j) u* X" h1 T. D& K/ u                */
+ j' e6 i% \$ K+ [% O                //comment out all methods, N=100000  202s               
1 K! S, {0 `7 i% V/ f: n& U3 R6 \. a        }
/ U0 J7 A7 M9 s9 v
0 b- B3 I: B- E1 {! b2 b2 n* c5 ^4 F        delete []b1;
        delete []b2;

( T6 @% K: _7 b7 W% F' }: E

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？
" S6 G  a) s% P5 Q. @/ g' g6 n- Y8 W
( g$ H: l& r( N! q# @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？
2 `0 a+ g4 W4 T5 F
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

3 b! t) B  s  w; d# j" s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
5 Q) A. S/ ~2 p  b2 r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

1 M- D) l8 Z. ]$ Y2 u不和它 ...

/ l8 H$ v9 `) }
3 J0 [) A, b, B" I& J; q( B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)
6 X2 x% E' L: F, \{
        comp temp, xtimesy;

/ q9 S4 v" w; C4 ~. m1 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。
0 H, A) `1 s2 h3 X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。