Julia: योग | मैप्रेड्यूस बनाम अनियंत्रित फॉर-लूप। प्रदर्शन असमानता

mapreduce बराबर for -लूप की तुलना में बहुत धीमा हो सकता है। एक छोटा ( वास्तविक जीवन ) उदाहरण:

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)))

मुझे जूलिया 0.5, juliabox.com पर लगभग x50 का प्रदर्शन अनुपात देता है। मुझे लगता है कि ऐसा इसलिए हो सकता है क्योंकि for -लूप स्वचालित रूप से simd हो सकता है, और मैप्रिडस नहीं है? जब A = randn(N,N) और N 16 है, तो अंतर x75 के आसपास है, और N = 10000 के लिए, अंतर लगभग x25 है। ऐरे एक्सेस A[j,k] को A[rand(1:size(A,1)),rand(1:size(A,2))] से बदलने से दोनों पर प्रदर्शन नष्ट हो जाता है, लेकिन अनुपात X1 हो जाता है।

1. क्या simd यही कारण है कि कोई x50 तेज है?
2. क्या इसे प्रदर्शन युक्तियों में वर्णित किया जाना चाहिए? mapreduce के अंतर्गत sum है, इसलिए यह एक लोकप्रिय जाल हो सकता है जिसका वर्तमान में उल्लेख नहीं किया गया है
3. क्या यह एक उपयोगी बेंचमार्क होगा? नैनो सैनिक पर?
4. क्या प्रदर्शन अंतर छोटा हो सकता है?

(बेंचमार्किंग mapreduce बनाम for - बिना सरणी पहुंच के लूप, मुझे अभी भी एक x2 प्रदर्शन अंतर दिखाई देता है। उदाहरण के mapreduce(identity, +, 0, i for i in 1:n) बनाम समतुल्य पूर्णांक-योग for लूप। ऐसा लगता है कि यह अंतर छोटा हुआ करता था? सीआई में एक और बेंचमार्क के लायक?)