c++ - 特定 C++ 随机数生成的 Clang 性能下降

Question

使用 C++11 的随机模块，当我使用 std::mt19937(32 位和 64 位版本)与 uniform_real_distribution(float或双倍，没关系)。与 g++ 编译相比，它慢了一个数量级以上!

罪魁祸首不仅仅是 mt 生成器，因为它使用 uniform_int_distribution 速度很快。这不是 uniform_real_distribution 中的一般缺陷，因为对于 default_random_engine 等其他生成器来说，它的速度很快。只是那个特定的组合非常慢。

我对内在函数不是很熟悉，但是 Mersenne Twister 算法或多或少是严格定义的，所以我猜是实现上的差异不能解释这种差异吗？测量程序如下，但这是我在 64 位 linux 机器上的 clang 3.4 和 gcc 4.8.1 的结果:

gcc 4.8.1
runtime_int_default: 185.6
runtime_int_mt: 179.198
runtime_int_mt_64: 175.195
runtime_float_default: 45.375
runtime_float_mt: 58.144
runtime_float_mt_64: 94.188

clang 3.4
runtime_int_default: 215.096
runtime_int_mt: 201.064
runtime_int_mt_64: 199.836
runtime_float_default: 55.143
runtime_float_mt: 744.072  <--- this and
runtime_float_mt_64: 783.293 <- this is slow

生成这个并自己尝试的程序:

#include <iostream>
#include <vector>
#include <chrono>
#include <random>

template< typename T_rng, typename T_dist>
double time_rngs(T_rng& rng, T_dist& dist, int n){
    std::vector< typename T_dist::result_type > vec(n, 0);
    auto t1 = std::chrono::high_resolution_clock::now();
    for (int i = 0; i < n; ++i)
        vec[i] = dist(rng);
    auto t2 = std::chrono::high_resolution_clock::now();
    auto runtime = std::chrono::duration_cast<std::chrono::microseconds>(t2-t1).count()/1000.0;
    auto sum = vec[0]; //access to avoid compiler skipping
    return runtime;
}

int main(){
    const int n = 10000000;
    unsigned seed = std::chrono::system_clock::now().time_since_epoch().count();
    std::default_random_engine rng_default(seed);
    std::mt19937 rng_mt (seed);
    std::mt19937_64 rng_mt_64 (seed);
    std::uniform_int_distribution<int> dist_int(0,1000);
    std::uniform_real_distribution<float> dist_float(0.0, 1.0);

    // print max values
    std::cout << "rng_default_random.max(): " << rng_default.max() << std::endl;
    std::cout << "rng_mt.max(): " << rng_mt.max() << std::endl;
    std::cout << "rng_mt_64.max(): " << rng_mt_64.max() << std::endl << std::endl;

    std::cout << "runtime_int_default: " << time_rngs(rng_default, dist_int, n) << std::endl;
    std::cout << "runtime_int_mt: " << time_rngs(rng_mt_64, dist_int, n) << std::endl;
    std::cout << "runtime_int_mt_64: " << time_rngs(rng_mt_64, dist_int, n) << std::endl;
    std::cout << "runtime_float_default: " << time_rngs(rng_default, dist_float, n) << std::endl;
    std::cout << "runtime_float_mt: " << time_rngs(rng_mt, dist_float, n) << std::endl;
    std::cout << "runtime_float_mt_64: " << time_rngs(rng_mt_64, dist_float, n) << std::endl;
}

分别通过 clang++ -O3 -std=c++11 random.cpp 或 g++ 编译。有什么想法吗？

edit:最后，Matthieu M. 有了一个好主意:罪魁祸首是内联，或者说是缺乏内联。增加 clang 内联限制消除了性能损失。这实际上解决了我遇到的一些性能异常。谢谢，我学到了一些新东西。

Answer 1

正如评论中已经指出的那样，问题是由于 gcc 内联比 clang 更具攻击性造成的。如果我们非常激进地使 clang 内联，效果就会消失:

使用 g++ -O3 编译代码会产生

runtime_int_default: 3000.32
runtime_int_mt: 3112.11
runtime_int_mt_64: 3069.48
runtime_float_default: 859.14
runtime_float_mt: 1027.05
runtime_float_mt_64: 1777.48

而 clang++ -O3 -mllvm -inline-threshold=10000 产生

runtime_int_default: 3623.89
runtime_int_mt: 751.484
runtime_int_mt_64: 751.132
runtime_float_default: 1072.53
runtime_float_mt: 968.967
runtime_float_mt_64: 1781.34

显然，clang 现在在 int_mt 情况下超出了内联 gcc，但所有其他运行时现在都处于相同的数量级。我在 Fedora 20 64 位上使用了 gcc 4.8.3 和 clang 3.4。