哪个整数操作在Rust中具有更高性能的替代方法？

Question

在Rust中编写将运行数百万次的整数函数（想想像素处理）时，使用性能最高的操作很有用 - 类似于C / C ++。

虽然参考手册解释了行为的变化，但并不总是清楚哪种方法的性能高于标准^{（参见注释1）}整数算术运算。 我假设wrapping_add编译成等同于C的加法。

在标准操作（加/减/乘/模/除/移位/位操作......）中，哪些操作具有更高性能的替代方法，默认情况下不使用？

---

注意：

1. 按标准，我指的是使用符号a + b ， i / k或c % e等的整数运算。
   编写数学表达式时要使用的内容 - 除非您特别需要使用包装或返回溢出的方法之一。
2. 我意识到回答这个问题可能需要一些研究。 因此，我很高兴通过查看生成的程序集来进行一些检查，以查看哪些操作正在使用未经检查/原始操作。
3. 可能是检查/未检查操作之间的速度差异不大，如果是这种情况，我仍然希望能够编写一个“快速”版本的函数来与“安全”版本进行比较，来关于它是否是给定函数的合理选择我自己的结论。
4. 提到像素处理后，SIMD已成为可能的解决方案。 尽管这是一个很好的建议。 这仍然留给我们使用SIMD 无法优化的情况，因此快速整数算法的一般情况仍然需要考虑。

Answer 1

在标准操作（加/减/乘/模/除/移位/位操作......）中，哪些操作具有更高性能的替代方法，默认情况下不使用？

请注意，Rust是为性能而设计的; 因此，在Debug中检查整数操作时，它们被定义为包装在Release中，除非您特别指示编译器。

因此，在具有默认选项的发布模式下，两者之间严格没有性能差异：

• +和wrapping_add
• -和wrapping_sub
• *和wrapping_mul
• /和wrapping_div
• %和wrapping_rem
• <<和wrapping_shl
• >>和wrapping_shr

对于无符号整数，性能因此严格地类似于C或C ++; 但是，对于有符号整数，优化器可能会产生不同的结果，因为有符号整数的下溢/溢出是C和C ++中的未定义行为（gcc和Clang接受-fwrapv标志，即使对于有符号整数也要求包装，但它不是默认值）。

我希望使用checked_* ， overflow_*和saturating_*方法通常会慢一些。

---

因此，有趣的切线是了解当您翻转开关并明确要求检查算术时会发生什么。

目前，Rust实现¹是下溢/溢出检查的精确实现。 每个加法，减法，乘法，...都是独立检查的，优化器不擅长融合这些分支。

具体来说， 精确的实现排除了临时溢出： 5 + x - 5不能优化为x ，因为5 + x可能溢出。 它还排除了一般的自动矢量化。

只有当优化器可以证明没有溢出（通常不能）时，您可能希望重新获得更易于优化的无分支路径。

应该注意的是，在通用软件上，影响几乎不可察觉，因为算术指令只占总成本的一小部分。 然而，当这个比例上升时，它可能非常明显，实际上它出现在与Clang的SPEC2006基准测试的一部分中。

这种开销足以被认为不适合默认激活检查。

¹ 这是由于LLVM方面的技术限制; Rust实现只委托给LLVM。

---

将来，我们希望能够获得模糊的支票实施。 模糊实现背后的想法是，不是检查每个操作，而是执行它们并且设置标志或者在下溢/溢出的情况下中断值。 然后，在使用结果之前，执行检查（分支）。

根据Joe Duffy的说法，他们在Midori中有这样的实现，性能影响几乎不可察觉，因此它似乎是可行的。 但是，我还没有意识到在LLVM中有任何类似的努力。

Answer 2

Rust不保证其运营速度。 如果您需要保证，则需要调用汇编程序。

也就是说，当前Rust转发到LLVM，所以你可以调用内在函数，它将1：1映射到LLVM内在函数并使用这些保证。 但是，无论你做什么都不是asm，请注意优化器可能对你认为最优的东西有不同的看法，因此不优化你对LLVM内在函数的手动调用。

也就是说，Rust努力尽可能快，因此您可以假设（或者只是查看标准库的实现）所有具有相同LLVM内在函数的操作将映射到该LLVM内在函数，因此可以像LLVM可以做到这一点。

对于给定的基本算术运算，哪个操作最快是没有一般规则的，因为它完全取决于您的用例。

Answer 3

想像素处理

那么你根本不应该考虑单值操作; 您想要使用SIMD指令。 这些目前在稳定的Rust中不可用，但有些可通过功能门控功能访问，并且所有功能都可通过汇编获得。

是否有可能LLVM将代码优化为SIMD，就像它对clang一样？

正如aochagavia已经回复 ，是的，LLVM将自动调整某些类型的代码。 但是，当您要求最高性能时，通常不希望自己处于优化器的一时兴起。 我倾向于希望在我的普通普通代码中进行自动向量化，然后为我的重数学内核编写直线代码，然后编写SIMD代码并测试速度的正确性和基准。