C++ 提速的新发现

雷达

C++ 比 Octave 慢好多，怎么破？

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。

/ I  n, A6 [, O( q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 G3 w3 J+ s9 Y: r) f3 j1 x) `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

9 H5 {: ]7 P9 g/ e- s" t) B* Z

数值分析 发表于 2022-9-24 23:04
( Q3 v7 p) x$ K' A# ?拉下来？拉多少？
: c4 i( |" ]2 l: r) `3 U- i/ U- O2 x把代码贴上来看看？

3 v1 S2 z: H" N: K! x: G
  q2 s# ]2 U6 q# a4 Evoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
        comp temp, xtimesy;
        xtimesy.re = 0;
        xtimesy.im = 0;
        int j0 = lenB - 1;
        int    i, j, i1, reali;
        if (lenA % 2 == 1)
                reali = lenA + 1;
        else
                reali = lenA;
. V1 K6 c3 l8 ?& ^2 J9 y        reali /= 2;

        int nconv = reali + lenB;
% x6 R+ z; ?# q/ l$ l4 w) {% l3 Z- j        //#pragma omp parallel for
% y* k1 `+ Z8 Y9 d: L! N8 A; W        for (i = reali; i < nconv; i++)
3 @# F. M/ j+ a  @% S        {
                temp.re = 0;
& a3 w5 s8 C3 H  K) |                temp.im = 0;
* g3 ]9 y; D3 I                i1 = i;
                for (j = j0; j >= 0; j--)
                {
                        /* floating date operation */
                }
        }
6 q! t. I5 a  R% ~! B7 V}

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
) ^3 |8 n( u% L4 x0 I0 b
& x+ x& H" A# t5 B+ L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.

# `3 W$ V* z& l( _如果把红色部分内循环本身完全comment out， call xcorr 1000次，耗时 <1s.

/ v  B( I8 O* p

雷达

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

% ?1 W: U0 q2 P0 H! d( y; P: A
0 c4 t8 d) \& R  ^) s7 T- R不应该，看我上面的回复。

6 Y$ A. a$ T9 E! h+ e, B7 z, k我更怀疑是 VS 社区版的问题

数值分析

$ }0 S9 o' c+ U" l" M  U

雷达 发表于 2022-9-24 23:54
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
0 v5 h: j/ i& \& f8 W% l! j{
        comp temp, xtimesy;

这个不是这么比的吧。。。
  m& u# d' P/ J  ?5 L0 }! e" h# o3 @
+ U( p: H2 |7 |6 @& 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）。
$ z& `: L7 f0 N# a4 v4 F
. \( p* |$ l$ m$ t7 c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。。。

8 Y* j: ^# ^" ?9 l7 o: H1 a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 \( V3 o% n$ G2 L% D
& s1 t) R% D0 r4 s8 A7 v有道理。
/ O4 ]+ a+ v( n% n( q6 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，记得 numeric 库里有算向量内积的，我回头试试。

3 L$ H6 M6 B, B& ]* _1 Z0 _( X3 |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
: j& j9 N% ?# a2 k9 |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 ...

) ?# T2 v8 r& X$ r$ @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
) S, K3 o3 }, H/ ]6 c4 `& g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

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
: K+ B) X( a; K+ A  ~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 ...

/ }2 w+ {2 M5 @; p: w: ~
( ~2 @5 J: x% G4 K9 a! k! _是的，兄台说的对。
; g7 Y9 d- C, U0 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。
+ _+ a1 H- Z/ @* J4 p  M5 d
) N7 G9 S9 l1 O; Z# N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。
8 `8 U1 R9 v  ^  t3 g5 r
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。
9 H0 X/ I. V6 O& N! t
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
7 w3 M* B# o( Z8 q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。
5 G; f$ S7 y) K
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 ...

+ p- v$ L: {$ h9 k: R, W+ S时间差一倍的结果可以接受。

" `% j) Q5 a+ l5 Q* w+ E* U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 ...

* b: g1 ?. e7 U$ F; [3 m
  M- Q- A4 c; o! v

6 X, @1 e/ L6 s: y0 C) ]! J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
  V5 N) x- M# d" e; v" `: l# a5 ^9 A能不能把这个也贴上来，看看和上一个有什么不同？

- h" _& H* }) y理了理思路，重新做了一个测试。
+ o5 x1 n" L* d5 e- F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.

内循环试了4种方法，
4 j7 g2 Y! J( y2 ~* n7 c* W% @1. 直接调用 vector inner_product 247s
4 D1 `- }6 A  j1 d. W$ B, C1 B2. vector 循环点乘累加 237s
3. float * 循环点乘累加 204s
% F6 t, p4 z' P" U  ?' A4. 空循环 100000 次 202s
1 J8 |  o: @" u+ R
不做内循环 200s
5 {$ W5 h5 K$ E! _: u
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。
6 g% j9 }/ J" Z5 e
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）

（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）
+ x" _3 ]/ g9 g

        std::vector < float > vec1(N);
, B6 S" I0 K! @$ @& F8 S- G        std::vector < float > vec2(N);
2 h+ [6 h( r* k        float* b1 = new float[N];
" q6 c. U& s! j2 J) v% w3 b        float* b2 = new float[N];

        for (int j = 0; j < 6000; j++)
        {
                std::generate(vec1.begin(), vec1.end(), []() {
0 @; g$ s6 G% k/ H6 f" M                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
                        });

                std::generate(vec2.begin(), vec2.end(), []() {
                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
: `# ~( l  U1 V( K- _, v                        });

                for (size_t jj = 0; jj < vec1.size(); jj++)
8 K; B. g& Q% z) f9 @6 [( Y& Q                {
                        b1[jj] = vec1[jj];
                }

                for (size_t jj = 0; jj < vec2.size(); jj++)
                {
' ?: V' Y  |2 i                        b2[jj] = vec2[jj];
6 r8 m* c) r2 T; M' Y+ v5 B                }

                //Method - 1  N=100000 247s  
. k# @9 R4 l/ I' w6 {' q$ T                //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
                                
                //Method - 2  N=100000  237s
                /*
4 \; F: ~! [- X# w+ g                for (int jj = 0; jj < N ; jj++)
                {
                        fresult += vec1[jj] * vec2[jj];
4 o& _; g) f$ P( K& N: f                }
                */
5 D( v: [+ @  x8 f" C- Y: d                                
; k8 p+ X) F% D2 Z' w% A& L                //Method - 3  N=100000 204s
                /*
1 o& G8 X! K; e, W. d9 L7 S; Y& i                for (int jj = 0; jj < N; jj++)
                {
                        fresult += b1[jj] * b2[jj];
                }
                */

                //Method - 4   202s
                /*
                for (int jj = 0; jj < N; jj++)
* C' B, \+ c$ L5 P& n                {
  p  A7 l/ e. R9 d# ^1 F; f: i                        
# A3 s  D; H# V- b8 V                }
+ z" e  R: }' h( V; ~$ l                */
+ B- [# N, U0 ?7 J' N. p                //comment out all methods, N=100000  202s               
        }

, u( F  o# u- p0 b2 _4 W        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？

: ^6 @1 z( {! [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
6 [( I3 h8 ?) X$ Y' I$ }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？
( j$ X# G+ M) k/ Y% k: x
  Q5 a  I5 w8 b# g0 M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
, e+ H* ^: I& h5 a7 F
7 B7 C2 k- D; F+ p6 ~2 M. v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
. o% A/ L/ c& Z, Z3 {8 |& L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
+ A5 |7 v/ s1 g
不和它 ...

  h# A3 ~/ G# g. m0 E- t
/ c+ m4 `+ c: u2 M- d" p: u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)
{
        comp temp, xtimesy;

9 ?* ]+ O& u8 y5 S  ~/ U5 C- y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 c1 |, Y6 S& x: t/ z2 t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。