Julia: sum|mapreduce versus unrolled for-loop. perbedaan kinerja

mapreduce bisa jauh lebih lambat daripada for yang setara -loop. Contoh kecil ( kehidupan nyata ):

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)))

memberi saya rasio kinerja sekitar x50 pada Julia 0,5, juliabox.com. Saya pikir ini bisa jadi karena for -loop dapat secara otomatis simd , dan mapreduce bukan? Ketika A = randn(N,N) dan N adalah 16 , selisihnya sekitar x75, dan untuk N = 10000 , selisihnya sekitar x25. Mengganti akses array A[j,k] dengan A[rand(1:size(A,1)),rand(1:size(A,2))] merusak kinerja keduanya, tetapi rasionya menjadi x1.

1. Apakah simd alasan mengapa seseorang x50 lebih cepat?
2. Haruskah ini dijelaskan dalam Kiat Kinerja ? mapreduce mendasari sum , jadi ini bisa menjadi jebakan populer yang saat ini tidak disebutkan
3. Apakah ini akan menjadi tolok ukur yang berguna? pada tentara nano?
4. Bisakah kesenjangan kinerja lebih kecil?

(Pembandingan mapreduce versus for -loop tanpa akses array, saya masih melihat kesenjangan kinerja x2. Misalnya mapreduce(identity, +, 0, i for i in 1:n) versus loop penjumlahan bilangan bulat for yang setara. Sepertinya celah ini dulunya lebih kecil ? Layak benchmark lain di CI?)