Performances bêta Swift: tri des tableaux

TL; DR : Oui, la seule implémentation du langage Swift est lente, en ce moment . Si vous avez besoin de code rapide, numérique (et d'autres types de code, probablement), allez-y avec un autre. À l'avenir, vous devriez réévaluer votre choix. Il pourrait être assez bon pour la plupart du code d'application qui est écrit à un niveau supérieur, cependant.

D'après ce que je vois dans SIL et LLVM IR, il semble qu'ils aient besoin d'un tas d'optimisations pour supprimer les retains et les releases, ce qui pourrait être implémenté dans Clang (pour Objective-C), mais ils ne les ont pas encore portés. C'est la théorie avec laquelle je vais (pour l'instant... je dois encore confirmer que Clang fait quelque chose à ce sujet), car un profileur exécuté sur le dernier cas de test de cette question donne ce résultat" joli":

Comme l'ont dit beaucoup d'autres, -Ofast est totalement dangereux et change la sémantique du langage. Pour moi, c'est à l'étape" si vous allez l'utiliser, utilisez simplement une autre langue". Je vais réévaluer ce choix plus tard, si elle change.

-O3 nous obtient un tas de swift_retain et swift_release appels qui, honnêtement, ne me regardez pas comme ils devraient être là pour cet exemple. L'optimiseur aurait dû les élider (la plupart) AFAICT, car il connaît la plupart des informations sur le tableau, et sait qu'il a (au moins) une référence forte à celui-ci.

Il ne devrait pas émettre plus de retenues quand il n'appelle même pas de fonctions qui pourraient libérer les objets. Je ne pense pas qu'un constructeur de tableau peut retourner un tableau qui est plus petit que ce qui était demandé, ce qui signifie que beaucoup de vérifications qui ont été émises sont inutiles. Il sait aussi que l'entier ne sera jamais supérieur à 10k, donc les contrôles de débordement peuvent être optimisés (pas à cause de -Ofast bizarrerie, mais à cause de la sémantique du langage (rien d'autre ne change que var ne peut y accéder, et ajouter jusqu'à 10k est sûr pour le type Int).

Le compilateur peut ne pas pouvoir déballer le tableau ou le tableau les éléments, cependant, puisqu'ils sont passés à sort(), qui est une fonction externe et doit obtenir les arguments qu'elle attend. Cela nous obligera à utiliser indirectement les valeurs Int, ce qui le rendrait un peu plus lent. Cela pourrait changer si la fonction générique sort() (Pas de la manière multi-méthode) était disponible pour le compilateur et était inline.

C'est un langage très nouveau (publiquement), et il traverse ce que je suppose être beaucoup de changements, car il y a des gens (fortement) impliqué dans la langue Swift demandant des commentaires et ils disent tous que la langue n'est pas terminée et changera.

Code utilisé:

import Cocoa

let swift_start = NSDate.timeIntervalSinceReferenceDate();
let n: Int = 10000
let x = Int[](count: n, repeatedValue: 1)
for i in 0..n {
    for j in 0..n {
        let tmp: Int = x[j]
        x[i] = tmp
    }
}
let y: Int[] = sort(x)
let swift_stop = NSDate.timeIntervalSinceReferenceDate();

println("\(swift_stop - swift_start)s")

P. S: Je ne suis pas un expert sur Objective-C Ni toutes les installations de Cocoa , Objective-C, ou les runtimes Swift. Je pourrais aussi supposer des choses que je n'ai pas écrites.

J'ai décidé de jeter un oeil à cela pour le plaisir, et voici les horaires que je reçois:

Swift 4.0.2           :   0.83s (0.74s with `-Ounchecked`)
C++ (Apple LLVM 8.0.0):   0.74s

Swift

// Swift 4.0 code
import Foundation

func doTest() -> Void {
    let arraySize = 10000000
    var randomNumbers = [UInt32]()

    for _ in 0..<arraySize {
        randomNumbers.append(arc4random_uniform(UInt32(arraySize)))
    }

    let start = Date()
    randomNumbers.sort()
    let end = Date()

    print(randomNumbers[0])
    print("Elapsed time: \(end.timeIntervalSince(start))")
}

doTest()

Résultats:

Swift 1.1

xcrun swiftc --version
Swift version 1.1 (swift-600.0.54.20)
Target: x86_64-apple-darwin14.0.0

xcrun swiftc -O SwiftSort.swift
./SwiftSort     
Elapsed time: 1.02204304933548

Swift 1.2

xcrun swiftc --version
Apple Swift version 1.2 (swiftlang-602.0.49.6 clang-602.0.49)
Target: x86_64-apple-darwin14.3.0

xcrun -sdk macosx swiftc -O SwiftSort.swift
./SwiftSort     
Elapsed time: 0.738763988018036

Swift 2.0

xcrun swiftc --version
Apple Swift version 2.0 (swiftlang-700.0.59 clang-700.0.72)
Target: x86_64-apple-darwin15.0.0

xcrun -sdk macosx swiftc -O SwiftSort.swift
./SwiftSort     
Elapsed time: 0.767306983470917

Il semble être la même performance si je compile avec -Ounchecked.

Swift 3.0

xcrun swiftc --version
Apple Swift version 3.0 (swiftlang-800.0.46.2 clang-800.0.38)
Target: x86_64-apple-macosx10.9

xcrun -sdk macosx swiftc -O SwiftSort.swift
./SwiftSort     
Elapsed time: 0.939633965492249

xcrun -sdk macosx swiftc -Ounchecked SwiftSort.swift
./SwiftSort     
Elapsed time: 0.866258025169373

Il semble y avoir eu une régression des performances de Swift 2.0 à Swift 3.0, et je vois aussi un différence entre -O et -Ounchecked, pour la première fois.

Swift 4.0

xcrun swiftc --version
Apple Swift version 4.0.2 (swiftlang-900.0.69.2 clang-900.0.38)
Target: x86_64-apple-macosx10.9

xcrun -sdk macosx swiftc -O SwiftSort.swift
./SwiftSort     
Elapsed time: 0.834299981594086

xcrun -sdk macosx swiftc -Ounchecked SwiftSort.swift
./SwiftSort     
Elapsed time: 0.742045998573303

Swift 4 Améliore à nouveau les performances, tout en maintenant un écart entre -O et -Ounchecked. -O -whole-module-optimization ne semblait pas faire de différence.

C++

#include <chrono>
#include <iostream>
#include <vector>
#include <cstdint>
#include <stdlib.h>

using namespace std;
using namespace std::chrono;

int main(int argc, const char * argv[]) {
    const auto arraySize = 10000000;
    vector<uint32_t> randomNumbers;

    for (int i = 0; i < arraySize; ++i) {
        randomNumbers.emplace_back(arc4random_uniform(arraySize));
    }

    const auto start = high_resolution_clock::now();
    sort(begin(randomNumbers), end(randomNumbers));
    const auto end = high_resolution_clock::now();

    cout << randomNumbers[0] << "\n";
    cout << "Elapsed time: " << duration_cast<duration<double>>(end - start).count() << "\n";

    return 0;
}

Résultats:

Apple Clang 6.0

clang++ --version
Apple LLVM version 6.0 (clang-600.0.54) (based on LLVM 3.5svn)
Target: x86_64-apple-darwin14.0.0
Thread model: posix

clang++ -O3 -std=c++11 CppSort.cpp -o CppSort
./CppSort     
Elapsed time: 0.688969

Apple Clang 6.1.0

clang++ --version
Apple LLVM version 6.1.0 (clang-602.0.49) (based on LLVM 3.6.0svn)
Target: x86_64-apple-darwin14.3.0
Thread model: posix

clang++ -O3 -std=c++11 CppSort.cpp -o CppSort
./CppSort     
Elapsed time: 0.670652

Apple Clang 7.0.0

clang++ --version
Apple LLVM version 7.0.0 (clang-700.0.72)
Target: x86_64-apple-darwin15.0.0
Thread model: posix

clang++ -O3 -std=c++11 CppSort.cpp -o CppSort
./CppSort     
Elapsed time: 0.690152

Clang De Pomme 8.0.0

clang++ --version
Apple LLVM version 8.0.0 (clang-800.0.38)
Target: x86_64-apple-darwin15.6.0
Thread model: posix

clang++ -O3 -std=c++11 CppSort.cpp -o CppSort
./CppSort     
Elapsed time: 0.68253

Apple Clang 9.0.0

clang++ --version
Apple LLVM version 9.0.0 (clang-900.0.38)
Target: x86_64-apple-darwin16.7.0
Thread model: posix

clang++ -O3 -std=c++11 CppSort.cpp -o CppSort
./CppSort     
Elapsed time: 0.736784

Verdict

Au moment d'écrire ces lignes, le tri de Swift est rapide, mais pas encore aussi rapide que le tri C++lorsqu'il est compilé avec -O, avec les compilateurs et bibliothèques ci-dessus. Avec -Ounchecked, Il semble être aussi rapide que C++ dans Swift 4.0.2 et Apple LLVM 9.0.0.

De The Swift Programming Language:

La bibliothèque standard de la fonction de tri Swift fournit une fonction appelée trier, qui trie un tableau de valeurs d'un type connu, basé sur la sortie d'une fermeture de tri que vous fournissez. Une fois terminé, l' processus de tri, la fonction de tri renvoie un nouveau tableau de la même type et taille comme l'ancien, avec ses éléments dans le bon trié ordre.

La fonction sort a deux déclarations.

La valeur par défaut déclaration qui vous permet de spécifier une fermeture de comparaison:

func sort<T>(array: T[], pred: (T, T) -> Bool) -> T[]

Et une deuxième déclaration qui ne prend qu'un seul paramètre (le tableau )et est " codé en dur pour utiliser le comparateur moins que."

func sort<T : Comparable>(array: T[]) -> T[]

Example:
sort( _arrayToSort_ ) { $0 > $1 }

J'ai testé une version modifiée de votre code dans un terrain de jeu avec la fermeture ajoutée pour que je puisse surveiller la fonction un peu plus étroitement, et j'ai trouvé qu'avec n réglé sur 1000, la fermeture était appelée environ 11 000 fois.

let n = 1000
let x = Int[](count: n, repeatedValue: 0)
for i in 0..n {
    x[i] = random()
}
let y = sort(x) { $0 > $1 }

Ce n'est pas une fonction efficace, un Je recommanderais d'utiliser une meilleure implémentation de la fonction de tri.

Modifier:

J'ai jeté un coup d'oeil à la page wikipedia Quicksort et j'ai écrit une implémentation rapide pour cela. Voici le programme complet que j'ai utilisé (dans une aire de jeux)

import Foundation

func quickSort(inout array: Int[], begin: Int, end: Int) {
    if (begin < end) {
        let p = partition(&array, begin, end)
        quickSort(&array, begin, p - 1)
        quickSort(&array, p + 1, end)
    }
}

func partition(inout array: Int[], left: Int, right: Int) -> Int {
    let numElements = right - left + 1
    let pivotIndex = left + numElements / 2
    let pivotValue = array[pivotIndex]
    swap(&array[pivotIndex], &array[right])
    var storeIndex = left
    for i in left..right {
        let a = 1 // <- Used to see how many comparisons are made
        if array[i] <= pivotValue {
            swap(&array[i], &array[storeIndex])
            storeIndex++
        }
    }
    swap(&array[storeIndex], &array[right]) // Move pivot to its final place
    return storeIndex
}

let n = 1000
var x = Int[](count: n, repeatedValue: 0)
for i in 0..n {
    x[i] = Int(arc4random())
}

quickSort(&x, 0, x.count - 1) // <- Does the sorting

for i in 0..n {
    x[i] // <- Used by the playground to display the results
}

En utilisant ceci avec n = 1000, j'ai trouvé que

1. quickSort () a été appelé environ 650 fois,
2. environ 6000 swaps ont été effectués,
3. et il y a environ 10 000 comparaisons

Il semble que le tri intégré la méthode est (ou est proche de) un tri rapide, et est vraiment lente...

À partir de Xcode 7, vous pouvez activer Fast, Whole Module Optimization. Cela devrait augmenter vos performances immédiatement.

Performances du tableau Swift revisitées:

J'ai écrit mon propre benchmark comparant Swift avec C / Objective - C. Mon benchmark calcule les nombres premiers. Il utilise le tableau des nombres premiers précédents pour rechercher des facteurs premiers dans chaque nouveau candidat, donc c'est assez rapide. Cependant, il fait des tonnes de lecture de tableau, et moins d'écriture dans les tableaux.

J'ai initialement fait ce benchmark contre Swift 1.2. J'ai décidé de mettre à jour le projet et de l'exécuter contre Swift 2.0.

Le projet vous permet Choisissez entre l'utilisation de tableaux swift normaux et L'utilisation de tampons de mémoire non sécurisés Swift en utilisant la sémantique de tableau.

Pour C / Objective-C, vous pouvez choisir D'utiliser NSArrays ou c malloc'ed arrays.

Les résultats du test semblent être assez similaires avec l'optimisation du code la plus rapide et la plus petite ([-0s]) ou l'optimisation la plus rapide et agressive ([-0fast]).

Les performances de Swift 2.0 sont toujours horribles avec l'optimisation du code désactivée, alors que les performances C / Objective-C ne sont que modérément plus lent.

L'essentiel est que les calculs basés sur un tableau c malloc'D sont les plus rapides, par une marge modeste

Swift avec des tampons non sécurisés prend environ 1,19 X-1,20 X plus longtemps que les tableaux c malloc'd Lors de l'utilisation de l'optimisation de code la plus rapide et la plus petite. la différence semble un peu moins avec une optimisation rapide et agressive (Swift prend plus de 1,18 x à 1,16 x plus longtemps que C.

Si vous utilisez des tableaux Swift réguliers, la différence avec C est légèrement plus grande. (Swift prend ~1.22 à 1,23 plus.)

Les tableaux Swift réguliers sont DRAMATICALLY plus rapides que dans Swift 1.2 / Xcode 6. Leurs performances sont si proches des tableaux Swift unsafe buffer basés que l'utilisation de tampons de mémoire non sécurisés ne semble plus en valoir la peine, ce qui est important.

BTW, Objective-C NSArray performance pue. Si vous allez utiliser les objets conteneur natifs dans les deux langues, Swift est considérablement plus rapide.

, Vous pouvez consulter mon projet sur github à SwiftPerformanceBenchmark

Il a une interface utilisateur simple qui rend la collecte des statistiques assez facile.

Il est intéressant que le tri semble être légèrement plus rapide dans Swift qu'en C maintenant, mais que cet algorithme de nombres premiers est encore plus rapide dans Swift.

Le problème principal qui est mentionné par d'autres mais pas assez appelé est que -O3 ne fait rien du tout dans Swift (et n'a jamais) donc lorsqu'il est compilé avec cela, il est effectivement non optimisé (-Onone).

Les noms des options ont changé au fil du temps, de sorte que certaines autres réponses ont des indicateurs obsolètes pour les options de construction. Les options actuelles correctes (Swift 2.2) sont:

-Onone // Debug - slow
-O     // Optimised
-O -whole-module-optimization //Optimised across files

L'optimisation du module entier a une compilation plus lente mais peut optimiser les fichiers dans le module, c'est-à-dire dans chaque framework et dans le code de l'application réelle, mais pas entre eux. Vous devriez l'utiliser pour tout ce qui est critique pour les performances)

Vous pouvez également désactiver les contrôles de sécurité pour encore plus de vitesse, mais avec toutes les assertions et conditions préalables non seulement désactivées mais optimisées sur la base qu'elles sont correctes. Si jamais vous frappez une assertion, cela signifie que vous êtes dans un comportement indéfini. Utilisez avec une extrême prudence et seulement si vous déterminez que l'augmentation de vitesse est utile pour vous (en testant). Si vous trouvez qu'il est précieux pour certains codes, je recommande de séparer ce code dans un cadre séparé et de désactiver uniquement les contrôles de sécurité pour ce module.

func partition(inout list : [Int], low: Int, high : Int) -> Int {
    let pivot = list[high]
    var j = low
    var i = j - 1
    while j < high {
        if list[j] <= pivot{
            i += 1
            (list[i], list[j]) = (list[j], list[i])
        }
        j += 1
    }
    (list[i+1], list[high]) = (list[high], list[i+1])
    return i+1
}

func quikcSort(inout list : [Int] , low : Int , high : Int) {

    if low < high {
        let pIndex = partition(&list, low: low, high: high)
        quikcSort(&list, low: low, high: pIndex-1)
        quikcSort(&list, low: pIndex + 1, high: high)
    }
}

var list = [7,3,15,10,0,8,2,4]
quikcSort(&list, low: 0, high: list.count-1)

var list2 = [ 10, 0, 3, 9, 2, 14, 26, 27, 1, 5, 8, -1, 8 ]
quikcSort(&list2, low: 0, high: list2.count-1)

var list3 = [1,3,9,8,2,7,5]
quikcSort(&list3, low: 0, high: list3.count-1) 

Ceci est mon Blog sur Quick Sort- GitHub sample Quick-Sort

Vous pouvez jeter un oeil sur L'algorithme de partitionnement de Lomuto dans le partitionnement de la liste. Écrit en Swift