为什么方框版本的解析器比完全专门化的解析器快13倍？

Question

我正在为新的Spiral language制作教程的过程中，偶然发现了一个有趣的性能难题。可以在this chapter中看到我正在尝试做的事情，生成的两个程序是：boxy和fully_specialized。他们所做的就是从一个字符串中读取3个整型数，并将它们返回到一个元组中。令人惊讶的是，boxy版本比完全专门化版本快13倍(在某些情况下高达20倍)。在脚本模式和编译模式下，计时是相似的，因此在Repl中测试它应该很容易。

在我尝试反汇编以试图弄清楚它之前，我有几个想法为什么会发生这种情况。

1)由于代码占用更少，提高了缓存的局部性。我不认为是这个，否则我会在另一个例子中看到类似的改进。

2)由JIT完成的黑魔法。

3)我在基准测试方面做错了什么。

据我所知，这个程序确实运行得很好，而且我的眼睛在方框版本中没有发现任何错误。

你知道是怎么回事吗？

Answer 1

           Method |       Mean |     Error |    StdDev |
----------------- |-----------:|----------:|----------:|
       TermCasted |   406.6 ns | 1.2316 ns | 1.1520 ns |
             Boxy |   199.4 ns | 0.9976 ns | 0.9332 ns |
 FullySpecialized |   292.8 ns | 0.8448 ns | 0.7902 ns |
           FSharp | 3,616.2 ns | 8.9547 ns | 8.3762 ns |

当我使用正确的benchmarking tool而不是随意的脚本时，我得到的数字是有意义的。boxy和完全专业化之间的差异是45%，而不是现在的1300%。这些数字更符合人们的预期。

螺旋的解析器比F#的解析器快一个数量级，这也是我们所期望的。查看教程的master解析器章节，了解更多信息。

从这件事中得到的教训是--千万不要自己做基准测试，真的。从这里开始，我打算把这件事放在心上。