Swift 性能：map() 和 reduce() 与 for 循环

我正在用Swift编写一些性能关键代码.在实现了我能想到的所有优化，并在仪器中分析了应用程序之后，我开始意识到，绝大多数CPU周期都花在对浮点数组执行map()和reduce()操作上.所以，为了看看会发生什么，我用老式的for循环替换了map和reduce的所有实例.令我惊讶的是...for圈的速度要快得多！

对此有点困惑，我决定执行一些粗略的基准测试.在一次测试中，我让map人在执行以下简单算法后返回一个浮点数组:

// Populate array with 1,000,000,000 random numbers
var array = [Float](count: 1_000_000_000, repeatedValue: 0)
for i in 0..<array.count {
    array[i] = Float(random())
}
let start = NSDate()
// Construct a new array, with each element from the original multiplied by 5
let output = array.map({ (element) -> Float in
    return element * 5
})
// Log the elapsed time
let elapsed = NSDate().timeIntervalSinceDate(start)
print(elapsed)

以及等效的for循环实现:

var output = [Float]()
for element in array {
    output.append(element * 5)
}

平均执行时间为map:20.1秒.for循环的平均执行时间:11.2秒.用整数代替浮点数的结果是相似的.

我创建了一个类似的基准来测试Swift's reduce的性能.这一次，当对一个大型数组的元素求和时，reduce和for个循环获得了几乎相同的性能.但当我像这样循环测试reduce000次时:

// Populate array with 1,000,000 random numbers
var array = [Float](count: 1_000_000, repeatedValue: 0)
for i in 0..<array.count {
    array[i] = Float(random())
}
let start = NSDate()
// Perform operation 100,000 times
for _ in 0..<100_000 {
    let sum = array.reduce(0, combine: {$0 + $1})
}
// Log the elapsed time
let elapsed = NSDate().timeIntervalSinceDate(start)
print(elapsed)

vs:

for _ in 0..<100_000 {
    var sum: Float = 0
    for element in array {
        sum += element
    }
}

reduce方法需要29秒，而for循环(显然)需要0.000003秒.

当然，我准备忽略编译器优化后的最后一个测试，但我认为这可能会让我们更深入地了解编译器如何针对循环和Swift的内置数组方法进行不同的优化.请注意，所有测试都是在2.5 GHz i7 MacBook Pro上使用-Os优化进行的.结果因数组大小和迭代次数而异，但for个循环的性能总是比其他方法至少高出1.5倍，有时甚至高达10倍.

我对Swift 在这里的表现有点困惑.在执行此类操作时，内置数组方法不应该比天真的方法更快吗？也许有人比我更了解情况.