C++ 提速的新发现

雷达

C++ 比 Octave 慢好多，怎么破？

+ u1 [! m4 t% ^, x0 O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。
. M% Y: X3 c" E& D7 b6 q) U+ o: _5 t
3 o* a* o# [  X3 e* y欢迎大家继续讨论

数值分析

拉下来？拉多少？
7 c8 W/ Z+ H" Q5 T* B" p把代码贴上来看看？
+ a9 g& ]% L4 ~& j
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

* P  M: ^$ t; ~$ n

数值分析 发表于 2022-9-24 23:04
4 Z) a4 @8 T. R拉下来？拉多少？
把代码贴上来看看？

/ ?& P: ]# p2 Y) r
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
- c5 L0 M* ~3 M        comp temp, xtimesy;
        xtimesy.re = 0;
        xtimesy.im = 0;
        int j0 = lenB - 1;
3 q0 F9 v$ Q. U        int    i, j, i1, reali;
  r/ f5 s+ i: j9 g        if (lenA % 2 == 1)
2 {! D* a8 l9 ^7 I6 w5 V                reali = lenA + 1;
        else
                reali = lenA;
        reali /= 2;
2 n: [$ ?2 O* A  R
* X  i, k- _1 \4 X. k        int nconv = reali + lenB;
4 M. i6 ]2 f: {  K- \8 D        //#pragma omp parallel for
1 p5 R0 R, |0 [: S7 j; W; B0 z7 l+ {        for (i = reali; i < nconv; i++)
        {
; s6 ^. E* K( _  {; j  t9 y                temp.re = 0;
# z" M2 V; v% m; p                temp.im = 0;
: G# s) D- u) _5 g2 d5 ~                i1 = i;
2 |, ?" s4 C% }; x. W                for (j = j0; j >= 0; j--)
                {
                        /* floating date operation */
3 d3 a7 L3 ]- o                }
        }
}

$ S5 n) U- |" O/ A7 }: Bxcorr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
# E' b2 i) G6 M: C
! f8 z- I* i  l; p) ^( q, u红色部分是内循环，现在其内部操作都comment out 了, j0大概是 6000。
; A8 w& V6 E/ E* p5 o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
. W: H1 e, L( i5 t5 O2 SMaybe Debug mode?

不应该，看我上面的回复。
- m+ A( \" J) @  W6 {' j6 u
我更怀疑是 VS 社区版的问题

数值分析

! j" s4 d  C0 [" Y  u9 u; ~5 _" B

雷达 发表于 2022-9-24 23:54
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
% Y/ Z2 B& U1 T4 V  n{
+ y0 \( Y+ T& A+ V        comp temp, xtimesy;

# h6 v4 @# k4 h5 p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，慢个几十倍不是正常的么？

雷达

5 Z+ ~* Q* X% `

数值分析 发表于 2022-9-25 00:20
这个不是这么比的吧。。。
, R8 t, x  X- K
; {9 U- N) T: K- U( r, q. U8 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）。

' ^0 U. V/ o2 [8 m$ i' R0 \/ M
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。
! O$ [% i5 L  V4 G* f
, G1 k+ u/ e1 g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
' ?: b: G- N/ [) s8 d8 G" I; ^8 \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 ...

) Q- n5 m+ B" Q+ 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，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
) g' b$ {1 m2 B) [1 U. J: 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。。。

$ j* V3 [( i# x! T" c: t7 _( S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

$ D& m4 T3 |  ~# |

沉宝 发表于 2022-9-25 01:48
: ^. Q! [) P7 o8 E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。

) w6 w: z/ q2 S9 n/ D4 D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。
# C! T3 P' C% N, n) k5 A4 V$ \
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。
3 x5 Q0 {- {% k: s
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。
4 \. h# x3 Q5 [0 v; T
* J2 Q! Q' O- W- Z# G- ~( ~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

% P6 P0 P* C$ O- A" y5 }

沉宝 发表于 2022-9-25 01:27
6 _# L3 I* d. m! S- ]# F! B5 u; n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。
" {0 Y' ?1 W4 X( ~- b5 m) g  L1 T
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 ...

& j3 L) x& e. [  ?3 P2 z" ]: C. ]" Z时间差一倍的结果可以接受。

4 U# n# Z6 d. G5 d- [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 ...

) h/ M" K3 D5 m

0 C0 S: l* u2 b1 W: y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？

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
/ r7 W" H7 }3 n# Y, M. X9 u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.

6 Z, t! {+ L9 B3 E6 ?0 K7 Y内循环试了4种方法，
$ h4 L# u( p! J, b' T+ d, ]9 q1. 直接调用 vector inner_product 247s
2. vector 循环点乘累加 237s
: Q9 |) q4 L8 t9 o/ E& y$ F% {3. float * 循环点乘累加 204s
4. 空循环 100000 次 202s

不做内循环 200s
9 G) i& [+ S, Q' u* 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。
! a4 `3 q$ m  ]另外可以看到， float * 循环点乘累加 并不差，比用vector 还更快。

$ J5 n  I9 \  {9 q. I& h& h$ }* B9 p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 n1 q2 l9 G- {9 t( x; [0 Z
5 m% {3 e- Q3 y$ e% K5 x0 O7 q  Y（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）
$ O# u" z4 _3 D* ?* |

        std::vector < float > vec1(N);
% F/ x8 N' P( o' X2 |3 J  m        std::vector < float > vec2(N);
        float* b1 = new float[N];
        float* b2 = new float[N];
) f/ {! y5 A; A
; J: f' }- y% j7 `7 I' c- ~% ~        for (int j = 0; j < 6000; j++)
        {
7 A: \$ H* |5 Y) J: M                std::generate(vec1.begin(), vec1.end(), []() {
) \; k; j* V+ m' _# V                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
- x  L' i# P% t! v                        });
  R' E) R! p& `, H1 p+ Z' F
                std::generate(vec2.begin(), vec2.end(), []() {
                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
                        });
' a( y  G8 U$ g6 M: E) ]' a
! }4 v& F2 R  ^' w8 B+ E                for (size_t jj = 0; jj < vec1.size(); jj++)
                {
                        b1[jj] = vec1[jj];
                }
5 v/ P, @8 A0 x2 l: r
. ~! M+ n  g6 s8 D6 I0 i                for (size_t jj = 0; jj < vec2.size(); jj++)
7 ^- u6 q  i% M* c" N1 \, p# P                {
                        b2[jj] = vec2[jj];
                }

* ^0 ^2 V+ s" A- G                //Method - 1  N=100000 247s  
/ _6 d/ G* [* A; b6 c                //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
                                
: S0 z/ Z6 E8 G/ O                //Method - 2  N=100000  237s
                /*
                for (int jj = 0; jj < N ; jj++)
                {
                        fresult += vec1[jj] * vec2[jj];
                }
                */
/ Z/ f0 r' K! H, S' r: ?) q/ v2 }                                
7 g! \' T( N% x3 T                //Method - 3  N=100000 204s
7 V- X1 e4 C4 b; J7 Y, o                /*
                for (int jj = 0; jj < N; jj++)
                {
# U( N: m. A, S5 r7 E0 Y                        fresult += b1[jj] * b2[jj];
                }
                */
/ f; X; E0 j& K, a. X3 v
                //Method - 4   202s
                /*
& \6 h! N$ |8 W% C+ A: o                for (int jj = 0; jj < N; jj++)
                {
                        
                }
                */
                //comment out all methods, N=100000  202s               
) X4 Z5 H. J. w9 D+ @0 c! r        }

        delete []b1;
        delete []b2;

, r% b' Y* p* N' }' ?

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？
2 q3 \7 Y' ^& ]0 ?2 W
- S  k! ~% x1 n3 s5 e% o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？

9 E3 R6 B6 d$ D, k0 Y你第二个试验里面的j在循环里面又重新定义 ...

: L9 L* c* J( u& d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
. e) e# ^" t6 [; |/ j
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
; {  m. a& A( }2 E* B) [4 O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 ...

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。
/ y- |; d2 t% K! t* 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
9 S: p, U+ P, K. ^5 ]) j) Nvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
: y7 F# l; Q& z" E# R% Y' O{
        comp temp, xtimesy;

, o4 ^" [5 W7 I. J. 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。
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？
  _& f. I6 {- B! N3 sVS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。