Как улучшить push-конвейер данных в С# для соответствия F # в производительности

Рекуперация проекта для домашних животных для меня заключается в реализации push-based конвейеров данных в F #. Push-конвейеры проще и быстрее, чем тянуть трубопроводы, такие как LINQ (хотя они не имеют всех возможностей тянущих трубопроводов).

Что-то, что надвигало меня на некоторое время, заключается в том, что я, похоже, не реализую push-конвейер на С#, который эффективен, как мои push-конвейеры в F #. Я ищу информацию о том, как приблизить реализацию С# к F #.

Простой push-конвейер в F # может быть представлен следующим образом:

type Receiver<'T> = 'T            -> unit
type Stream<'T>   = Receiver<'T>  -> unit

В С# мы могли бы написать следующее:

public delegate void Receiver<in T>(T v);
public delegate void Stream<out T>(Receiver<T> r);

Идея здесь заключается в том, что Stream<> - это функция, которая задавала приемник значений, вызывающий приемник со всеми значениями в потоке.

Это позволяет нам определить map akaSelect ', как это в F #:

let inline map (m : 'T -> 'U) (s : Stream<'T>) : Stream<'U> =
  fun r -> s (fun v -> r (m v))

С#:

public static Stream<U> Map<T, U>(this Stream<T> t, Func<T, U> m) =>
  r => t(v => r(m(v)));

Мы можем реализовать другие функции, пока мы не сможем определить конвейер данных, который проверяет накладные расходы.

let trivialTest n =
  TrivialStream.range       0 1 n
  |> TrivialStream.map      int64
  |> TrivialStream.filter   (fun v -> v &&& 1L = 0L)
  |> TrivialStream.map      ((+) 1L)
  |> TrivialStream.sum

let trivialTestCs n =
  Stream
    .Range(0,1,n)
    .Map(fun v -> int64 v)
    .Filter(fun v -> v &&& 1L = 0L)
    .Map(fun v -> v + 1L)
    .Sum()

В этом конвейере каждая операция очень дешевая, поэтому любые накладные расходы из базовой реализации должны появляться, когда мы ее измеряем.

При сравнении 4 различных конвейеров данных, императивных (на самом деле не конвейер, но там для проверки работоспособности), trivialpush, trivialpush (С#) и linq - это числа на.NET 4.7.1/x64:

Running imperative with total=100000000, outer=1000000, inner=100 ...
  ... 87 ms, cc0=0, cc1=0, cc2=0, result=2601L
Running trivialpush with total=100000000, outer=1000000, inner=100 ...
  ... 414 ms, cc0=53, cc1=0, cc2=0, result=2601L
Running trivialpush(C#) with total=100000000, outer=1000000, inner=100 ...
  ... 1184 ms, cc0=322, cc1=0, cc2=0, result=2601L
Running linq with total=100000000, outer=1000000, inner=100 ...
  ... 2080 ms, cc0=157, cc1=0, cc2=0, result=2601L

Императивное решение быстрее, и LINQ начинает тянуть канал данных, который является самым медленным. Это ожидается.

То, что не ожидалось, заключается в том, что, кажется, F # push-конвейер имеет на 3 раза меньше накладных расходов, чем конвейер С#, несмотря на очень похожую реализацию и используется аналогичным образом.

Как изменить конвейер данных С# так, чтобы он соответствовал или заменял конвейер данных F #? Я хочу, чтобы API конвейера данных был примерно таким же.

Обновление 2018-06-18

@scrwtp спросил, что произойдет, если я удалю inline в F #. Теперь я добавил inline для того, чтобы получить sum работы по назначению (в F # inline разрешено использование более продвинутых генериков)

Running imperative with total=100000000, outer=1000000, inner=100 ...
  ... 85 ms, cc0=0, cc1=0, cc2=0, result=2601L
Running trivialpush with total=100000000, outer=1000000, inner=100 ...
  ... 773 ms, cc0=106, cc1=0, cc2=0, result=2601L
Running trivialpush(C#) with total=100000000, outer=1000000, inner=100 ...
  ... 1181 ms, cc0=322, cc1=0, cc2=0, result=2601L
Running linq with total=100000000, outer=1000000, inner=100 ...
  ... 2124 ms, cc0=157, cc1=0, cc2=0, result=2601L

Это значительно замедляет версию F #, но по-прежнему на 50% лучше, чем моя библиотека потока С#.

Интересно видеть, что inline оказывает такое глубокое влияние на производительность, когда единственное, что является встроенным, - это создание конвейера обратного вызова. Когда-то созданный конвейер обратного вызова должен выглядеть точно так же.

Обновление 2018-06-24

Я решил подробно изучить, в чем разница между конвейером данных F # и С#.

Вот как код jitted для Filter(fun v → v &&& 1L = 0L) ищет F #:

; TrivialPush, F#, filter operation
00007ffc'b7d01160 488bc2          mov     rax,rdx
; F# inlines the filter function: (fun v -> v &&& 1 = 0L)
; Is even?
00007ffc'b7d01163 a801            test    al,1
00007ffc'b7d01165 7512            jne     00007ffc'b7d01179
; Yes, call next chain in pipeline
; Load pointer next step in pipeline
00007ffc'b7d01167 488b4908        mov     rcx,qword ptr [rcx+8]
; Load Object Method Table
00007ffc'b7d0116b 488b01          mov     rax,qword ptr [rcx]
; Load Table of methods
00007ffc'b7d0116e 488b4040        mov     rax,qword ptr [rax+40h]
; Load address of Invoke
00007ffc'b7d01172 488b4020        mov     rax,qword ptr [rax+20h]
; Jump to Invoke (tail call)
00007ffc'b7d01176 48ffe0          jmp     rax
; No, the number was odd, bail out
00007ffc'b7d01179 33c0            xor     eax,eax
00007ffc'b7d0117b c3              ret

Единственная настоящая большая жалоба на этот код заключается в том, что джиттер не смог встроить хвостовой вызов, и мы закончили виртуальный хвостовой вызов.

Давайте посмотрим на тот же конвейер данных в С#

; TrivialPush, C#, filter operation
; Method prelude
00007ffc'b75c1a10 57              push    rdi
00007ffc'b75c1a11 56              push    rsi
; Allocate space on stack
00007ffc'b75c1a12 4883ec28        sub     rsp,28h
00007ffc'b75c1a16 488bf1          mov     rsi,rcx
00007ffc'b75c1a19 488bfa          mov     rdi,rdx
; Load pointer test delegate (fun v -> v &&& 1 = 0L)
00007ffc'b75c1a1c 488b4e10        mov     rcx,qword ptr [rsi+10h]
; Load Method Table
00007ffc'b75c1a20 488b4110        mov     rax,qword ptr [rcx+10h]
; Setup this pointer for delegate
00007ffc'b75c1a24 488d4808        lea     rcx,[rax+8]
00007ffc'b75c1a28 488b09          mov     rcx,qword ptr [rcx]
00007ffc'b75c1a2b 488bd7          mov     rdx,rdi
; Load address to Invoke and call
00007ffc'b75c1a2e ff5018          call    qword ptr [rax+18h]
; Did filter return true?
00007ffc'b75c1a31 84c0            test    al,al
00007ffc'b75c1a33 7411            je      00007ffc'b75c1a46
; Yes, call next step in data pipeline
; Load Method Table
00007ffc'b75c1a35 488b4608        mov     rax,qword ptr [rsi+8]
00007ffc'b75c1a39 488d4808        lea     rcx,[rax+8]
; Setup this pointer for delegate
00007ffc'b75c1a3d 488b09          mov     rcx,qword ptr [rcx]
00007ffc'b75c1a40 488bd7          mov     rdx,rdi
; Load address to Invoke and call
00007ffc'b75c1a43 ff5018          call    qword ptr [rax+18h]
; Method prelude epilogue
00007ffc'b75c1a46 90              nop
00007ffc'b75c1a47 4883c428        add     rsp,28h
00007ffc'b75c1a4b 5e              pop     rsi
00007ffc'b75c1a4c 5f              pop     rdi
00007ffc'b75c1a4d c3              ret
; (fun v -> v &&& 1 = 0L) redirect
00007ffc'b75c0408 e963160000      jmp     00007ffc'b75c1a70
; (fun v -> v &&& 1 = 0L)
00007ffc'b75c1a70 488bc2          mov     rax,rdx
; Is even?
00007ffc'b75c1a73 a801            test    al,1
00007ffc'b75c1a75 0f94c0          sete    al
; return result
00007ffc'b75c1a78 0fb6c0          movzx   eax,al
; We are done!
00007ffc'b75c1a7b c3              ret

Сравнивая конвейер данных F #, легко видеть, что вышеописанный код дороже:

  1. F # встроила тестовую функцию, тем самым избегая виртуального вызова (но почему не может джиттер девиртуализировать этот вызов и встроить его для нас?)
  2. F # использует хвостовые вызовы, которые в этом случае становятся более эффективными, потому что мы просто делаем виртуальный прыжок, а не виртуальный вызов на следующий шаг
  3. В коде F # jitted есть меньше прелюдии/эпилога, возможно, из-за хвоста?
  4. Существует переадресация между шагом в конвейере для кода с кодом С#.
  5. Код С# использует делегаты, а не абстрактные классы. Кажется, что вызов делегата немного более эффективен, чем вызов абстрактного класса.

В 64-битном режиме кажется, что основные преимущества производительности

  1. F # встраивание тестовой лямбда
  2. F # с использованием хвостового вызова (это неверно для 32 бит, когда хвостовой вызов убивает производительность)

Мы видим, что шаги конвейеров данных F # не вложены, это построение кода конвейера данных, который является встроенным. Однако, похоже, это дает некоторые преимущества в плане производительности. Возможно, потому что информация легче доступна для джиттера?

Чтобы улучшить производительность конвейера С#, мне кажется, что мне нужно структурировать код С#, чтобы джиттер девиртуализировал и ввел вызовы. У дрожания есть эти возможности, но почему они не применяются?

Я могу структурировать свой код F # так, чтобы хвостовые звонки могли быть девиртуализированы вложенными?

Полная консольная программа F #:

module TrivialStream =
  // A very simple push stream
  type Receiver<'T> = 'T            -> unit
  type Stream<'T>   = Receiver<'T>  -> unit

  module Details =
    module Loop =
      let rec range s e r i = if i <= e then r i; range s e r (i + s)

  open Details

  let inline range b s e : Stream<int> =
    fun r -> Loop.range s e r b

  let inline filter (f : 'T -> bool) (s : Stream<'T>) : Stream<'T> =
    fun r -> s (fun v -> if f v then r v)

  let inline map (m : 'T -> 'U) (s : Stream<'T>) : Stream<'U> =
    fun r -> s (fun v -> r (m v))

  let inline sum (s : Stream<'T>) : 'T =
    let mutable ss = LanguagePrimitives.GenericZero
    s (fun v -> ss <- ss + v)
    ss

module PerformanceTests =
  open System
  open System.Diagnostics
  open System.IO
  open System.Linq
  open TrivialStreams

  let now =
    let sw = Stopwatch ()
    sw.Start ()
    fun () -> sw.ElapsedMilliseconds

  let time n a =
    let inline cc i       = GC.CollectionCount i

    let v                 = a ()

    GC.Collect (2, GCCollectionMode.Forced, true)

    let bcc0, bcc1, bcc2  = cc 0, cc 1, cc 2
    let b                 = now ()

    for i in 1..n do
      a () |> ignore

    let e = now ()
    let ecc0, ecc1, ecc2  = cc 0, cc 1, cc 2

    v, (e - b), ecc0 - bcc0, ecc1 - bcc1, ecc2 - bcc2

  let trivialTest n =
    TrivialStream.range       0 1 n
    |> TrivialStream.map      int64
    |> TrivialStream.filter   (fun v -> v &&& 1L = 0L)
    |> TrivialStream.map      ((+) 1L)
    |> TrivialStream.sum

  let trivialTestCs n =
    Stream
      .Range(0,1,n)
      .Map(fun v -> int64 v)
      .Filter(fun v -> v &&& 1L = 0L)
      .Map(fun v -> v + 1L)
      .Sum()

  let linqTest n =
    Enumerable
      .Range(0, n + 1)
      .Select(fun v -> int64 v)
      .Where(fun v -> v &&& 1L = 0L)
      .Select(fun v -> v + 1L)
      .Sum()

  let imperativeTest n =
    let rec loop s i =
      if i >= 0L then
        if i &&& 1L = 0L then
          loop (s + i + 1L) (i - 1L)
        else
          loop s (i - 1L)
      else
        s
    loop 0L (int64 n)

  let test () =
    printfn "Running performance tests..."

    let testCases =
      [|
        "imperative"      , imperativeTest
        "trivialpush"     , trivialTest
        "trivialpush(C#)" , trivialTestCs
        "linq"            , linqTest
      |]

    do
      // Just in case tiered compilation is activated on dotnet core 2.1+
      let warmups = 100
      printfn "Warming up..."
      for name, a in testCases do
        time warmups (fun () -> a warmups) |> ignore

    let total   = 100000000
    let outers =
      [|
        10
        1000
        1000000
      |]
    for outer in outers do
      let inner = total / outer
      for name, a in testCases do
        printfn "Running %s with total=%d, outer=%d, inner=%d ..." name total outer inner
        let v, ms, cc0, cc1, cc2 = time outer (fun () -> a inner)
        printfn "  ... %d ms, cc0=%d, cc1=%d, cc2=%d, result=%A" ms cc0 cc1 cc2 v

    printfn "Performance tests completed"

[<EntryPoint>]
let main argv =
  PerformanceTests.test ()
  0

Полная библиотека С#:

namespace TrivialStreams
{
  using System;

  public delegate void Receiver<in T>(T v);
  public delegate void Stream<out T>(Receiver<T> r);

  public static class Stream
  {
    public static Stream<int> Range(int b, int s, int e) => 
      r =>
        {
          for(var i = 0; i <= e; i += s)
          {
            r(i);
          }
        };

    public static Stream<T> Filter<T>(this Stream<T> t, Func<T, bool> f) =>
      r => t(v => 
        {
          if (f(v)) r(v);
        });

    public static Stream<U> Map<T, U>(this Stream<T> t, Func<T, U> m) =>
      r => t(v => r(m(v)));

    public static long Sum(this Stream<long> t)
    {
      var sum = 0L;

      t(v => sum += v);

      return sum;
    }
  }
}

Ответ 1

Компилятор F # иногда выполняет встроенные функции без явных инструкций для этого. Вы можете аннотировать функции с помощью [<MethodImpl(MethodImplOptions.NoInlining)>] чтобы предотвратить это.

Обновление вашего TrivialStream следующим образом:

open System.Runtime.CompilerServices

[<MethodImpl(MethodImplOptions.NoInlining)>]
let range b s e : Stream<int> =
  fun r -> Loop.range s e r b

[<MethodImpl(MethodImplOptions.NoInlining)>]
let filter (f : 'T -> bool) (s : Stream<'T>) : Stream<'T> =
  fun r -> s (fun v -> if f v then r v)

[<MethodImpl(MethodImplOptions.NoInlining)>]
let map (m : 'T -> 'U) (s : Stream<'T>) : Stream<'U> =
  fun r -> s (fun v -> r (m v))

[<MethodImpl(MethodImplOptions.NoInlining)>]
let sum (s : Stream<'T>) : 'T =
  let mutable ss = LanguagePrimitives.GenericZero
  s (fun v -> ss <- ss + v)
  ss

а затем обновить сам тест следующим образом:

open System.Runtime.CompilerServices

[<MethodImpl(MethodImplOptions.NoInlining)>]
let parseToInt64 = int64

[<MethodImpl(MethodImplOptions.NoInlining)>]
let filterImpl = fun v -> v &&& 1L = 0L

[<MethodImpl(MethodImplOptions.NoInlining)>]
let mapImpl = ((+) 1L)

let trivialTest n =

  TrivialStream.range       0 1 n
  |> TrivialStream.map      parseToInt64
  |> TrivialStream.filter   filterImpl
  |> TrivialStream.map      mapImpl
  |> TrivialStream.sum

При запуске в виде 32-разрядного приложения это приводит к запуску F #, который на самом деле медленнее, чем версия С#. Существует еще некоторое странное поведение с хвостовыми вызовами для 32-битной версии.

Для 64-битной версии эти изменения приводят версии F # и С# в пределах 15% друг от друга.

Если вы замените Receiver F # и Stream для делегатов С# (или просто Action<'t> и Action<Action<'t>>), то производительность этих двух примерно эквивалентна, поэтому я подозреваю, что есть дополнительные оптимизации, используя FSharpFunc которые играют.

  open TrivialStreams
  // A very simple push stream
  //type Receiver<'T> = 'T            -> unit
  //type Stream<'T>   = Receiver<'T>  -> unit

  module Details =
    module Loop =
      let rec range s e (r:Receiver<'t> ) i = if i <= e then r.Invoke i; range s e r (i + s)

  open Details
  open System.Runtime.CompilerServices

  [<MethodImpl(MethodImplOptions.NoInlining)>]
  let range b s e =
    Stream<'t>(fun r -> (Loop.range s e r b))

  [<MethodImpl(MethodImplOptions.NoInlining)>]
  let filter f (s : Stream<'T>) =
    Stream<'T>(fun r -> s.Invoke (fun v -> if f v then r.Invoke v))

  [<MethodImpl(MethodImplOptions.NoInlining)>]
  let map m (s : Stream<'T>) =
    Stream<'U>(fun r -> s.Invoke (fun v -> r.Invoke (m v)))

  [<MethodImpl(MethodImplOptions.NoInlining)>]
  let sum (s : Stream<'T>) : 'T =
    let mutable ss = LanguagePrimitives.GenericZero
    s.Invoke (fun v -> ss <- ss + v)
    ss

Вы можете применить небольшую часть оптимизаций компилятора F # к С#, аннотируя свои методы с помощью [MethodImpl(MethodImplOptions.AggressiveInlining)], но это лишь незначительное улучшение.