是什么让.NET7的Min和Max方法性能暴增了45倍？
是什么让.NET7的Min和Max方法性能暴增了45倍？
简介
在之前的一篇文章.NET性能系列文章一：.NET7的性能改进中我们聊到Linq中的Min()和Max()方法.NET7比.NET6有高达45倍的性能提升，当时Benchmark代码和结果如下所示：
[Params(1000)]
public int Length { get; set; }
private int[] arr;
[GlobalSetup]
public void GlobalSetup() => arr = Enumerable.Range(0, Length).ToArray();
[Benchmark]
public int Min() => arr.Min();
[Benchmark]
public int Max() => arr.Max();
| 方法 | 运行时 | 数组长度 | 平均值 | 比率 | 分配 |
|---|---|---|---|---|---|
| Min |  |
1000 | 3,494.08 ns | 53.24 | 32 B |
| Min |  |
1000 | 65.64 ns | 1.00 | - |
| Max | |
1000 | 3,025.41 ns | 45.92 | 32 B |
| Max | |
1000 | 65.93 ns | 1.00 | - |
可以看到有高达45倍的性能提升，那就有小伙伴比较疑惑，在.NET7中到底是做了什么让它有如此大的性能提升？
所以本文就通过.NET7中的一些pr带大家一起探索下.NET7的Min()和Max()方法是如何变快的。
探索
首先我们打开.NET Runtime的仓库，应该没有人不会知道仓库的地址吧？里面包含了.NET运行时所有的代码，包括CLR和BCL库。地址如下所示：
https://github.com/dotnet/runtime
然后我们熟练的根据命名空间System.Linq找到Linq所在的文件夹位置，如下所示：
可以看到很多Linq相关的方法都在这个文件夹内，让我们先来找一找Max()方法所对应的类。就是下方所示，我们可以看到刚好异步小王子Stephen Toub大佬提交了一个优化代码。
然后我们点击History查看这个类的提交历史，我们发现Stephen大佬在今年多次提交代码，都是优化其性能。
找到Stephen大佬的第一个提交，我们发现在Max的代码中，多了一个特殊的路径，如果数据类型为int[]，那么就走单独的一个方法重载，并在这个重载中启用了SIMD向量化，代码如下所示：
SIMD向量化在我之前的多篇文章中都有提到(如：.NET如何快速比较两个byte数组是否相等)，它是CPU的特殊指令，使用它可以大幅度的增强运算性能，我猜这就是性能提升的原因。
我们可以看到在上面只为int[]做了优化，然后继续浏览了Stephen大佬的其它几个PR，Stephen大佬将代码抽象了一下，使用了泛型的特性，然后顺便为其它的基本值类型都做了优化。能享受到性能提升的有byte sbyte ushort short uint int ulong long nuint nint。
所以我们以最后一个提交为例，看看到底是用了什么SIMD指令，什么样的方法来提升的性能。抽取出来的核心代码如下所示：
private static T MinMaxInteger<T, TMinMax>(this IEnumerable<T> source)
where T : struct, IBinaryInteger<T>
where TMinMax : IMinMaxCalc<T>
{
T value;
if (source.TryGetSpan(out ReadOnlySpan<T> span))
{
if (span.IsEmpty)
{
ThrowHelper.ThrowNoElementsException();
}
// 判断当前平台是否支持使用Vector-128 或者 总数据长度是否小于128位
// Vector128是指硬件支持同时计算128位二进制数据
if (!Vector128.IsHardwareAccelerated || span.Length < Vector128<T>.Count)
{
// 进入到此路径，说明最基础的Vector128都不支持，那么直接使用for循环来比较
value = span[0];
for (int i = 1; i < span.Length; i++)
{
if (TMinMax.Compare(span[i], value))
{
value = span[i];
}
}
}
// 判断当前平台是否支持使用Vector-256 或者 总数据长度是否小于256位
// Vector256是指硬件支持同时计算256位二进制数据
else if (!Vector256.IsHardwareAccelerated || span.Length < Vector256<T>.Count)
{
// 进入到此路径，说明支持Vector128但不支持Vector256
// 那么进入128位的向量化的比较
// 获取当前数组的首地址，也就是指向第0个元素
ref T current = ref MemoryMarshal.GetReference(span);
// 获取Vector128能使用的最后地址，因为整个数组占用的bit位有可能不能被128整除
// 也就是说最后的尾巴不够128位让CPU跑一次，那么就直接最后往前数128位，让CPU能完整的跑完
ref T lastVectorStart = ref Unsafe.Add(ref current, span.Length - Vector128<T>.Count);
// 从内存首地址加载0-127bit数据，作为最大值的基准
Vector128<T> best = Vector128.LoadUnsafe(ref current);
// 计算下一个的位置，也就是偏移128位
current = ref Unsafe.Add(ref current, Vector128<T>.Count);
// 循环比较 确保地址小于最后地址
while (Unsafe.IsAddressLessThan(ref current, ref lastVectorStart))
{
// 此时TMinMax.Compare重载代码 => Vector128.Max(left, right);
// Vector128.Max 会根据类型一一比较，每x位最大的返回，
// 比如int就是每32位比较，详情可以看我后文的解析
best = TMinMax.Compare(best, Vector128.LoadUnsafe(ref current));
current = ref Unsafe.Add(ref current, Vector128<T>.Count);
}
// 最后一组Vector128进行比较
best = TMinMax.Compare(best, Vector128.LoadUnsafe(ref lastVectorStart));
// 由于Vector128最后的结果是128位，比如我们类型是int32，那么最后的结果就有
// 4个int32元素，我们还需要从这4个int32元素中找到最大的
value = best[0];
for (int i = 1; i < Vector128<T>.Count; i++)
{
// 这里 TMinMax.Compare就是简单的大小于比较
// left > right
if (TMinMax.Compare(best[i], value))
{
value = best[i];
}
}
}
else
{
// Vector256执行流程和Vector128一致
// 只是它能一次性判断256位，举个例子就是一个指令8个int32
ref T current = ref MemoryMarshal.GetReference(span);
ref T lastVectorStart = ref Unsafe.Add(ref current, span.Length - Vector256<T>.Count);
Vector256<T> best = Vector256.LoadUnsafe(ref current);
current = ref Unsafe.Add(ref current, Vector256<T>.Count);
while (Unsafe.IsAddressLessThan(ref current, ref lastVectorStart))
{
best = TMinMax.Compare(best, Vector256.LoadUnsafe(ref current));
current = ref Unsafe.Add(ref current, Vector256<T>.Count);
}
best = TMinMax.Compare(best, Vector256.LoadUnsafe(ref lastVectorStart));
value = best[0];
for (int i = 1; i < Vector256<T>.Count; i++)
{
if (TMinMax.Compare(best[i], value))
{
value = best[i];
}
}
}
}
else
{
// 如果不是基本类型的数组，那么进入迭代器，使用原始方法比较
using (IEnumerator<T> e = source.GetEnumerator())
{
if (!e.MoveNext())
{
ThrowHelper.ThrowNoElementsException();
}
value = e.Current;
while (e.MoveNext())
{
T x = e.Current;
if (TMinMax.Compare(x, value))
{
value = x;
}
}
}
}
return value;
}
以上就是代码的解析，相信很多人疑惑的地方就是Vector128.Max做了什么，我们可以构造一个代码，让大家简单的看出来发生了什么。代码和运行结果如下所示：
// 定义一个数组
var array = new int[] { 4, 3, 2, 1, 1, 2, 3, 4 };
// 拿到数组首地址指针
ref int current = ref MemoryMarshal.GetReference(array.AsSpan());
// 从首地址加载128位数据，上面是int32
// 所以x = 4, 3, 2, 1
var x = Vector128.LoadUnsafe(ref current);
// 偏移128位以后，继续加载128位数据
// 所以y = 1, 2, 3, 4
var y = Vector128.LoadUnsafe(ref Unsafe.Add(ref current, Vector128<int>.Count));
// 使用Vector128.Max进行计算
var result = Vector128.Max(x, y);
// 打印输出结果
x.Dump();
y.Dump();
result.Dump();
从运行的结果可以看到，result中保存的是x和y对应位置的最大值，这样是不是就觉得清晰明了，Stephe大佬上文的代码就是做了这样一个操作。
同样，如果我们把int32换成int64，也就是long类型，由于一个元素占用64位，所以一次只能加载2个int64元素比较最大值，得出对应位置的最大值：
最后使用下面的for循环代码，从result中找到最大的那个int32元素，从我们上文的案例中就是4，结果和代码如下所示：
var value = result[0];
for (int i = 1; i < Vector128<int>.Count; i++)
{
if (value < result[i])
{
value = result[i];
}
}
要注意的是，为了演示方便我这里数组bit长度刚好是128倍数，实际情况中需要考虑不是128倍数的场景。
总结
答案显而易见，试.NET7中Min()和Max()方法性能暴增45倍的原因就是Stephe大佬对基本几个连续的值类型比较做了SIMD优化，而这样的优化在本次的.NET7版本中有非常多，后面有时间带大家一起看看SIMD又是如何提升其它方面的性能的。
作者：InCerry
作者Github：https://github.com/incerrygit
出处：https://www.cnblogs.com/InCerry/p/how_to_use_simd_improve_dotnet7_min_max_performance.html
版权：本作品采用「署名-非商业性使用-相同方式共享 4.0 国际」许可协议进行许可。
声明：本博客版权归「InCerry」所有。
欢迎大家关注我的微信公众号，新文章会优先发到公众号！
