Julia: sum|mapreduce 与展开的 for 循环。 绩效差距

mapreduce可能比等效的for -loop 慢得多。 一个小（现实生活）示例：

function dsum(A::Matrix)
    z = zero(A[1,1])
    n = Base.LinAlg.checksquare(A)
    B = Vector{typeof(z)}(n)

    <strong i="9">@inbounds</strong> for j in 1:n
        B[j] = mapreduce(k -> A[j,k]*A[k,j], +, z, 1:j)
    end
    B
end
function dfor(A::Matrix)
    z = zero(A[1,1])
    n = Base.LinAlg.checksquare(A)
    B = Vector{typeof(z)}(n)

    <strong i="10">@inbounds</strong> for j in 1:n
        d = z
        for k in 1:j
            d += A[j,k]*A[k,j]
        end
        B[j] = d
    end
    B
end

A = randn(127,127)
time(median(<strong i="11">@benchmark</strong> dsum(A)))/time(median(<strong i="12">@benchmark</strong> dfor(A)))

在 Julia 0.5, juliabox.com 上给我一个大约 x50 的性能比。 我认为这可能是因为for -loop 可以自动simd ，而 mapreduce 不是？ 当A = randn(N,N)和N为16时，差距约为 x75，而对于N = 10000 ，差距约为 x25。 将数组访问A[j,k]替换A[rand(1:size(A,1)),rand(1:size(A,2))]会破坏两者的性能，但比率变为 x1。

1. simd是 x50 更快的原因吗？
2. 这应该在性能提示中描述吗？ mapreduce是sum的基础，因此这可能是一个当前未提及的流行陷阱
3. 这会是一个有用的基准吗？ 关于纳米士兵？
4. 性能差距可以更小吗？

（在没有数组访问的情况下对 $ mapreduce与for循环进行基准测试，我仍然看到 x2 的性能差距。例如mapreduce(identity, +, 0, i for i in 1:n)与等效的整数求和for循环。看起来这个差距过去更小了？值得在 CI 中进行另一个基准测试吗？）