Go против Rust — производительность вне конкуренции

996c6864091148418aae767d179c77d0

В статье Наблюдение за выполнением конкурирующих задач в Go и Rust коллега cpmonster привёл весьма интересные результаты:


Программа на Rust показала намного большую производительность при вычислении членов возвратной последовательности, чем программа на Go: 367 млн. итераций в секунду против 44 млн.

Ну, в 1.5 раза… Ну, в 2 раза… Но семь гвардейцев за два дня — это слишком, тем более что тут «гвардейцев» больше восьми!

Или нет, не слишком? В общем, потенциал любопытства пересилил другие потенциалы и я провёл своё исследование.

Для начала попробуем воспроизвести результаты. Нужны исходники, а также Go и Rust (у меня версии 1.18 и 1.61, соответственно).

Идём в папку go/src и запускаем go run concgo.go s:

Cycles per second           70621468

Теперь в папке rust выполним cargo run s:

Cycles per second         25,562,372

Надо же, производительность версии на Rust в три раза ниже, чем версии на Go!

А, нет — это же debug, вот так надо: cargo run --release s. Совсем другое дело:

Cycles per second        603,500,301

Да, всё повторилось, те же 8+ раз. У меня и до чтения рассматриваемой статьи сложилось мнение, что Rust «готовит» более быстрые «числодробилки», но полученный результат — это же настоящее «унижение» для Go. Да неужто все именно так?! Будем разбираться.

Смотреть сюда:

Именно эти функции вычисления последовательности триплетов подвергаются испытаниям.

При запуске с ключом s испытание происходит в функции count_cycles_per_sec (). Испытание, надо заметить, происходит «вне конкуренции» — т.е. в одном потоке. Что, конечно, сильно упрощает анализ.

Сам автор статьи приводит такое соображение:


Еще одно важное различие между Go и Rust, на которое мне указал внимательный читатель первой версии этой статьи, заключается в том, что разработчики языка Rust в принципе отказались от использования сборщика мусора.

В принципе, да. Значения переменных в Go легко и зачастую незаметно «убегают в кучу», именно с этого я и начал свои эксперименты:

func BenchmarkIterate(b *testing.B) {
    for i := 0; i < b.N; i++ {
        iterate(random_triplet(), 1000000)
    }
}

Нет, тут все чисто:

cpu: Intel(R) Core(TM) i5-3570 CPU @ 3.40GHz
BenchmarkIterate
BenchmarkIterate-4
      79      14405887 ns/op           0 B/op          0 allocs/op
PASS
ok      

Версия из комментариев:


А почему версия Go такая старая (1.14.2 выпущена 2020–04–08)?

На Go 1.18 результаты не лучше.

Несколько раз высказывались сомнения в корректности испытаний, по типу такого:


На самом деле сравнение не корректно. И все результаты фактически вытекают из этого.
Более корректно было бы сравнить горутины с async кодом, в идеале — наверное на голом tokio

Всё это интересно, но запуск в режиме go run concgo.go s ведёт к тестированию всего лишь в одном потоке, так что феномен проявляется и может быть изучен без привлечения горутин и tokio.

С ключами оптимизации у компилятора Go негусто, скорее есть ключи «деоптимизации» (-l -N) — так что остаётся работать с исходными текстами.

Сравнение текстов показало, что тип Triplet в Rust объявлен как кортеж (tuple):

type Triplet = (f64, f64, f64);

В то время как для Go используется массив:

type Triplet = [3]float64

В Go более близким к кортежу типом является структура:

type Triplet struct{ f0, f1, f2 float64 }

При помощи чудесного инструмента godbolt посмотрим, есть ли разница в ассемблерном коде для работы с такими определениями:

type Triplet = [3]float64
type Triplet2 struct{ f0, f1, f2 float64 }
...
var t Triplet
t[0] = 10.
t[1] = 11.
t[2] = 12.
printTriplet(t)

var t2 Triplet2
t2.f0 = 20.
t2.f1 = 21.
t2.f2 = 22.
printTriplet2(t2)

Оказывается, разница есть:

MOVSD   $f64.4024000000000000(SB), X0
MOVSD   X0, (SP)
MOVSD   $f64.4026000000000000(SB), X0
MOVSD   X0, 8(SP)
MOVSD   $f64.4028000000000000(SB), X0
MOVSD   X0, 16(SP)
CALL    "".printTriplet(SB)

MOVSD   $f64.4034000000000000(SB), X0
MOVSD   $f64.4035000000000000(SB), X1
MOVSD   $f64.4036000000000000(SB), X2
CALL    "".printTriplet2(SB)

То есть работа со структурой происходит через регистры, а с массивом фиксированной длины — через стек. Это, конечно, может повлиять на производительность!

Я сделал fork оригинального репозитория, в нём папочку go2/src, переопределил Triplet. Результат работает так:

210349179

Разница теперь всего в 3 гвардейца, уже не так обидно. Смотрим в ассемблер функций iterate():

Go встраивает вызов get_next_triplet(), но не делает этого для is_convergent():

;*** concgo.go#76   >       if is_convergent(triplet, next_triplet) && !prokukarek {
0x4ab357     0f10d9                 MOVUPS X1, X3               
0x4ab35a     0f10e2                 MOVUPS X2, X4               
0x4ab35d     0f10e8                 MOVUPS X0, X5               
0x4ab360     0f10c6                 MOVUPS X6, X0               
0x4ab363     e8b8feffff             CALL main.is_convergent(SB)     

А вот Rust полностью оснащает iterate.asm встроенной вычислительной техникой. Внешними остались только вызовы типа call std::io::stdio::_print, но они на скорость не влияют, так как последовательность не сходится и условие is_convergent(triplet, next_triplet) никогда не выполняется.

Отсюда и разница.

Для дальнейшего повышения производительности версии Go функцию is_convergent() можно встроить вручную:

//if is_convergent(triplet, next_triplet) && !prokukarek {
if approx_eq(triplet.f0, next_triplet.f0) &&
    approx_eq(triplet.f1, next_triplet.f1) &&
    approx_eq(triplet.f2, next_triplet.f2) && !prokukarek {
    print_convergency(initial_triplet, step, triplet.f2)
    prokukarek = true
}

Получилась папка go3/src, запуск из нее:

Cycles per second          393081761

Все равно 1.5 гвардейца, и это при том, что все вычисления встроены, см. go3/src/iterate.asm.

В качестве вишенки на торте попробуем переопределить Tripletв версии для Rust таким образом:

type Triplet = [f64; 3];

Будет ли разница? Нет. Ассемблер раз:

let applicant = triplet.0 + triplet.1 - triplet.2;
movapd  xmm0, xmm7
movapd  xmm7, xmm8
movapd  xmm8, xmm6
movapd  xmm6, xmm0
addsd   xmm6, xmm7
subsd   xmm6, xmm8
movapd  xmm1, xmm6
andpd   xmm1, xmm9 

Ассемблер два:

let applicant = triplet[0] + triplet[1] - triplet[2];
movapd  xmm0, xmm7
movapd  xmm7, xmm8
movapd  xmm8, xmm6
movapd  xmm6, xmm0
addsd   xmm6, xmm7
subsd   xmm6, xmm8
movapd  xmm1, xmm6
andpd   xmm1, xmm9


  • Путём небольшой модификации исходного кода разницу удалось свести от «Rust на голову быстрее Go» к «Rust заметно быстрее Go»
  • Понятно, что речь идёт о конкретном вычислительном случае
  • В данном случае бо́льшая часть проигрыша по производительность упирается в стратегию встраивания в Go: function should be simple enough, the number of AST nodes must less than the budget (80)
  • С ходу возникает предложение завести директиву компилятора //go:inline, которая отменяла бы бюджетные ограничения
  • Такое предложение уже было сделано и висит в статусе FrozenDueToAge, первый комментарий гласит: «This proposal has basically no chance of being accepted» :)
  • Видимо, более подходящим названием директивы было бы //go:tryinline
  • Но даже с учетом встраивания остается разница в полтора раза

© Habrahabr.ru