时间戳

首页 > 解决方案 > C# for-loop 和 Array.Fill 之间的性能差异

c# - C# for-loop 和 Array.Fill 之间的性能差异

问题描述

我已经使用以下基准实现了BenchmarkDotNet：

public class ForVsFillVsEnumerable
{
    private bool[] data;

    [Params(10, 100, 1000)]
    public int N;

    [GlobalSetup]
    public void Setup()
    {
        data = new bool[N];
    }

    [Benchmark]
    public void Fill()
    {
        Array.Fill(data, true);
    }

    [Benchmark]
    public void For()
    {           
        for (int i = 0; i < data.Length; i++)
        {
            data[i] = true;
        }
    }

    [Benchmark]
    public void EnumerableRepeat()
    {
        data = Enumerable.Repeat(true, N).ToArray();
    }
}

结果是：

BenchmarkDotNet=v0.11.3, OS=Windows 10.0.17763.195 (1809/October2018Update/Redstone5)
Intel Core i7-8700K CPU 3.70GHz (Coffee Lake), 1 CPU, 12 logical and 6 physical cores
.NET Core SDK=2.2.200-preview-009648
  [Host] : .NET Core 2.2.0 (CoreCLR 4.6.27110.04, CoreFX 4.6.27110.04), 64bit RyuJIT
  Core   : .NET Core 2.2.0 (CoreCLR 4.6.27110.04, CoreFX 4.6.27110.04), 64bit RyuJIT

Job=Core  Runtime=Core
           Method |    N |       Mean |      Error |      StdDev |     Median | Ratio | Rank |
----------------- |----- |-----------:|-----------:|------------:|-----------:|------:|-----:|
             Fill |   10 |   3.675 ns |  0.2550 ns |   0.7150 ns |   3.331 ns |  1.00 |    1 |
                  |      |            |            |             |            |       |      |
              For |   10 |   6.615 ns |  0.3928 ns |   1.1581 ns |   6.056 ns |  1.00 |    1 |
                  |      |            |            |             |            |       |      |
 EnumerableRepeat |   10 |  25.388 ns |  1.0451 ns |   2.9307 ns |  24.170 ns |  1.00 |    1 |
                  |      |            |            |             |            |       |      |
             Fill |  100 |  50.557 ns |  2.0766 ns |   6.1229 ns |  46.690 ns |  1.00 |    1 |
                  |      |            |            |             |            |       |      |
              For |  100 |  64.330 ns |  4.0058 ns |  11.8111 ns |  59.442 ns |  1.00 |    1 |
                  |      |            |            |             |            |       |      |
 EnumerableRepeat |  100 |  81.784 ns |  4.2407 ns |  12.5039 ns |  75.937 ns |  1.00 |    1 |
                  |      |            |            |             |            |       |      |
             Fill | 1000 | 447.016 ns | 15.4420 ns |  45.5312 ns | 420.239 ns |  1.00 |    1 |
                  |      |            |            |             |            |       |      |
              For | 1000 | 589.243 ns | 51.3450 ns | 151.3917 ns | 495.177 ns |  1.00 |    1 |
                  |      |            |            |             |            |       |      |
 EnumerableRepeat | 1000 | 519.124 ns | 21.3580 ns |  62.9746 ns | 505.573 ns |  1.00 |    1 |

最初我猜测它Array.Fill做了一些优化，使其性能优于for-loop，但后来我检查了 . NET Core 源代码，可以看到Array.Fill实现非常简单：

public static void Fill<T>(T[] array, T value)
{
    if (array == null)
    {
        ThrowHelper.ThrowArgumentNullException(ExceptionArgument.array);
    }

    for (int i = 0; i < array.Length; i++)
    {
        array[i] = value;
    }
}

性能已经足够接近了，但它仍然似乎Fill始终比它快一点，for即使在引擎盖下它是完全相同的代码。你能解释一下为什么吗？还是我只是错误地阅读了结果？

标签： c#arrays.netperformancebenchmarkdotnet

解决方案

我很惊讶Enumerable.Repeat()，与我最初的想法相反，它的扩展性很好。无论如何，回答你的问题：当你使用For()你重复访问一个班级成员而打电话时Array.Fill()你只获得一次它的地址。

我更惊讶的是编译器没有检测到 - 并优化 - 而是读取一个类成员的值，你需要ldarg.0获取它的值，this然后ldfld ForVsFillVsEnumerable.data获取它的实际地址。在ForVsFillVsEnumerable.Fill()此只调用一次Array.Fill()。

你可以检查这个编写你自己的填充函数：

[Benchmark]
public void For2()
{
    ForImpl(data);
}

private static void ForImpl(bool[] data)
{
    for (int i = 0; i < data.Length; i++)
    {
        data[i] = true;
    }
}

注意 1：无论性能如何，使用库函数总是更好，因为它可能会受益于未来的优化（例如，他们可能决定添加特定的重载Array.Fill()并使用本机代码实现它们，其中 - 对于某些架构 - 一个普通的memset()非常快）。

注意 2：如果循环代码非常小（而且很快），我会避免使用小向量（10 或 100 个项目）测量任何东西，因为设置适当的测试环境以可靠地测量几纳秒的差异非常困难。我认为 1000（甚至 100,000）是最低限度的开始（即使在这种情况下，很多其他的东西也会起到相关的作用......）除非你的实际用例是 10/100......in在那种情况下，我会尝试测量一个更大的算法，其中这种差异更加明显（如果不是那么你不应该关心）。

推荐阅读