Arrays 为什么在包含240个或更多元素的阵列上循环时会对性能产生很大影响？

在Rust中的数组上运行求和循环时，我注意到当

容量

>=240时，性能会大幅下降<代码>容量=239大约快80倍

Rust是否对“短”数组进行了特殊的编译优化

编译时使用

rustc-C opt level=3

使用std:：time:：Instant；
常数容量：usize=240；
循环中的常数：usize=500000；
fn main（）{
设mut arr=[0；容量]；
对于容量为0.的i{
arr[i]=i；
}
设mut和=0；
让现在=瞬间：：现在（）；
对于0..in_循环中的u{
设muts=0；
对于0..arr.len（）中的i{
s+=arr[i]；
}
总和+=s；
}
println！（（“sum:{}时间：{：？}”，sum，now.appeased（））；
}

摘要：低于240，LLVM完全展开内部循环，让它注意到它可以优化重复循环，打破基准

---

您发现了一个神奇的阈值，超过该阈值，LLVM将停止执行某些优化。阈值为8字节*240=1920字节（您的数组是一个由

usize

s组成的数组，因此假定x86-64 CPU，长度乘以8字节）。在这个基准测试中，一个特定的优化（仅针对长度239执行）导致了巨大的速度差。但让我们慢慢开始：

（此答案中的所有代码都是用

-C opt level=3

编译的）

pub fn foo（）->usize{
设arr=[0；240]；
设muts=0；
对于0..arr.len（）中的i{
s+=arr[i]；
}
s
}

这段简单的代码将大致生成预期的程序集：一个添加元素的循环。但是，如果将

240

更改为

239

，则发出的程序集差别很大。以下是总成的一小部分：

movdqa xmm1，xmmwordptr[rsp+32]
movdqa xmm0，xmmword ptr[rsp+48]
paddq xmm1，xmmword ptr[rsp]
paddq xmm0，xmmword ptr[rsp+16]
paddq xmm1，xmmword ptr[rsp+64]
; 这里省略了更多的东西。。。
paddq xmm0，xmmword ptr[rsp+1840]
paddq xmm1，xmmword ptr[rsp+1856]
paddq xmm0，xmmword ptr[rsp+1872]
paddq xmm0，xmm1
pshufd xmm1，xmm0，78
paddq xmm1，xmm0

这就是所谓的循环展开：LLVM将循环体粘贴一段时间，以避免执行所有那些“循环管理指令”，即递增循环变量，检查循环是否已结束，以及跳转到循环的开始

如果您想知道：

paddq

和类似的指令都是SIMD指令，允许并行求和多个值。此外，两个16字节SIMD寄存器（

xmm0

和

xmm1

）并行使用，因此CPU的指令级并行性基本上可以同时执行其中两条指令。毕竟，它们是相互独立的。最后，将两个寄存器相加，然后水平相加得到标量结果

现代主流x86 CPU（不是低功耗的Atom）在L1d缓存中运行时，每个时钟可以执行2个向量加载，并且

paddq

吞吐量也至少为每个时钟2个，在大多数CPU上具有1个周期的延迟。另请参阅和了解多个累加器以隐藏延迟（对于点产品，FP FMA的延迟）和吞吐量瓶颈

LLVM在未完全展开时会展开一些小循环，并且仍然使用多个累加器。因此，通常情况下，前端带宽和后端延迟瓶颈对于LLVM生成的循环来说并不是什么大问题，即使没有完全展开

---

但循环展开不会导致性能差异系数为80至少不能单独展开循环。让我们来看看实际的基准测试代码，它将一个循环放在另一个循环中：

const容量：usize=239；
循环中的常数：usize=500000；
pub fn foo（）->usize{
设mut arr=[0；容量]；
对于容量为0.的i{
arr[i]=i；
}
设mut和=0；
对于0..in_循环中的u{
设muts=0；
对于0..arr.len（）中的i{
s+=arr[i]；
}
总和+=s；
}
总和
}

（）

CAPACITY=240

的程序集看起来正常：两个嵌套循环。（在函数的开头，有相当多的代码只是用于初始化，我们将忽略这些代码。）但是，对于239，它看起来非常不同！我们看到初始化循环和内部循环被展开：到目前为止，这是意料之中的

重要的区别在于，对于239，LLVM能够计算出内环的结果不依赖于外环因此，LLVM发出的代码基本上首先只执行内部循环（计算总和），然后通过将

sum

相加几次来模拟外部循环

首先，我们看到与上面几乎相同的程序集（表示内部循环的程序集）。之后我们看到了这一点（我对程序集进行了注释；带有

*

的注释尤其重要）：

；在函数的开头，“rbx”被设置为0
movq-rax，xmm1；存储在'rax'中的SIMD求和结果`
加上rax，711；从循环展开中添加缺少的术语
mov ecx，500000；*初始化循环变量外循环
.LBB0_1：
添加rbx、rax；*rbx+=rax
添加rcx，-1；*减量循环变量
jne.LBB0_1；*如果循环变量！=0跳转到LBB0\u 1
mov-rax，rbx；将rbx（总和）移回rax
; 省略了两条不重要的指令
ret；返回值存储在'rax'中`

正如您在这里看到的，内部循环的结果被获取，与外部循环运行的频率一样加起来，然后返回。LLVM只能使用pe

example::bar:
        movabs  rax, 14340000000
        ret