Julia: sum|mapreduce 대 unrolled for 루프. 성능 격차

mapreduce 는 for -loop보다 훨씬 느릴 수 있습니다. 작은( 실제 ) 예:

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)))

Julia 0.5, juliabox.com에서 약 x50의 성능 비율을 제공합니다. for -loop 이 자동으로 simd 가 될 수 있고 mapreduce는 그렇지 않기 때문일 수 있다고 생각합니다. A = randn(N,N) 와 N 가 16 일 때 차이는 약 x75이고 N = 10000 의 경우 차이는 약 x25입니다. 어레이 액세스 A[j,k] 를 A[rand(1:size(A,1)),rand(1:size(A,2))] 바꾸면 둘 다 성능이 저하되지만 비율은 x1이 됩니다.

1. simd 가 x50 더 빠른 이유입니까?
2. 성능 팁 에 설명해야 합니까? mapreduce 은 sum $ 의 기초가 되므로 현재 언급되지 않은 인기 있는 함정일 수 있습니다.
3. 유용한 벤치마크가 될까요? 나노솔져?
4. 성능 차이가 더 작을 수 있습니까?

( mapreduce 대 for -배열 액세스 없는 루프 벤치마킹, 여전히 x2 성능 차이가 보입니다. 예: mapreduce(identity, +, 0, i for i in 1:n) 대 동등한 정수 합산 for 루프. 이 격차 가 더 작 았던 것 같습니까? CI에서 또 다른 벤치마크 가치가 있습니까?)