「SO问答」对超过240个元素的数组进行循环时，为什么会有很大的性能影响？

#stackoverflow

问题：

> 下面代码当 CAPACITY >= 240 的时候，与 CAPACITY >= 239 相比，性能慢了80倍。Rust编译器专门为240以内的长度做了优化？ 使用 rustc -C opt-level=3 进行编译。

rust
use std::time::Instant;

const CAPACITY: usize = 240;
const IN_LOOPS: usize = 500000;

fn main() {
    let mut arr = [0; CAPACITY];
    for i in 0..CAPACITY {
        arr[i] = i;
    }
    let mut sum = 0;
    let now = Instant::now();
    for _ in 0..IN_LOOPS {
        let mut s = 0;
        for i in 0..arr.len() {
            s += arr[i];
        }
        sum += s;
    }
    println!("sum:{} time:{:?}", sum, now.elapsed());
}

解答：

> 总结：低于240，LLVM完全展开内部循环，可以优化掉重复循环，增加性能。

分析：

> 这是一个神奇的阈值，超过该阈值LLVM将停止执行某些优化。阈值是 8字节* 240 = 1920字节 (数组是usizes数组，因此长度乘以8字节，假设 x86-64 CPU)。在该问题中的基准测试中，是仅针对长度239执行的一个特定优化，所以导致了巨大的性能差异。

比如这段代码：

rust
pub fn foo() -> usize {
    let arr = [0; 240];
    let mut s = 0;
    for i in 0..arr.len() {
        s += arr[i];
    }
    s
}

你在 [godbolt](https://rust.godbolt.org/z/VKL9MS) 编辑器中查看生成的汇编代码，比较240和239，会发现有很大区别。比如当239的时候生成：

rust
movdqa  xmm1, xmmword ptr [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]
; more stuff omitted here ...
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

就是所谓的循环展开: LLVM将循环体粘贴一段时间，以避免执行那些“循环管理指令”，即循环变量的增量，检查循环是否结束和跳转。（可以自行对比一下240的输出）。但是，即便循环不展开，也不会造成80倍的性能差异。所以，实际上那个性能测试代码嵌套循环导致的（LLVM生成的代码基本上首先只执行内部循环(计算总和)，然后通过多次累加总和来模拟外部循环！）。最好要使用Rust的惯用法： `arr.iter().sum()`，这样就不会产生80倍的性能差异了。

Read More: [https://stackoverflow.com/questions/57458460/why-is-there-a-large-performance-impact-when-looping-over-an-array-over-240-elem](https://stackoverflow.com/questions/57458460/why-is-there-a-large-performance-impact-when-looping-over-an-array-over-240-elem)