談到 .NET 效能改進，我們知道 Linq 中的 Min() 和 Max() 方法 .NET 7 比 .NET 6 有高達45倍的效能提升，當時 Benchmark 程式碼和結果如下所示：
[Params(1000)]
public int Length { get; set; }
private int[] arr;
[GlobalSetup]
public void GlobalSetup() => arr = Enumerable.Range(0, Length).ToArray();
[Benchmark]
public int Min() => arr.Min();
[Benchmark]
public int Max() => arr.Max();
可以看到有高達45倍的效能提升，那就有小夥伴比較疑惑，在 .NET 7 中到底是做了什麼讓它有如此大的效能提升？所以本文就透過 .NET 7 中的一些 pr 帶大家一起探索下 .NET 7 的 Min() 和 Max() 方法是如何變快的。
探索
首先我們開啟 .NET Runtime 的倉庫，裡面包含了 .NET 執行時所有的程式碼，包括 CLR 和 BCL 庫。
然後我們熟練的根據名稱空間 System.Linq 找到 Linq 所在的資料夾位置，如下所示：
可以看到很多 Linq 相關的方法都在這個資料夾內，讓我們先來找一找 Max() 方法所對應的類。就是下方所示，我們可以看到剛好非同步小王子 Stephen Toub 大佬提交了一個最佳化程式碼。
然後我們點選 History 檢視這個類的提交歷史，我們發現 Stephen 大佬在今年多次提交程式碼，都是最佳化其效能。
找到 Stephen 大佬的第一個提交，我們發現在 Max 的程式碼中，多了一個特殊的路徑，如果資料型別為 int[]，那麼就走單獨的一個方法過載，並在這個過載中啟用了 SIMD 向量化，程式碼如下所示：
SIMD 向量化在我之前的多篇文章中都有提到，它是 CPU 的特殊指令，使用它可以大幅度的增強運算效能，我猜這就是效能提升的原因。
我們可以看到在上面只為 int[] 做了最佳化，然後繼續瀏覽了 Stephen 大佬的其它幾個 PR，Stephen 大佬將程式碼抽象了一下，使用了泛型的特性，然後順便為其它的基本值型別都做了最佳化。能享受到效能提升的有 byte sbyte ushort short uint int ulong long nuint nint。
所以我們以最後一個提交為例，看看到底是用了什麼 SIMD 指令，什麼樣的方法來提升的效能。抽取出來的核心程式碼如下所示：
private static T MinMaxInteger<T, TMinMax>(this IEnumerable<T> source)
where T : struct, IBinaryInteger<T>
where TMinMax : IMinMaxCalc<T>
{
T value;
if (source.TryGetSpan(out ReadOnlySpan<T> span))
{
if (span.IsEmpty)
{
ThrowHelper.ThrowNoElementsException();
}
// 判斷當前平臺是否支援使用Vector-128 或者 總資料長度是否小於128位
// Vector128是指硬體支援同時計算128位二進位制資料
if (!Vector128.IsHardwareAccelerated || span.Length < Vector128<T>.Count)
{
// 進入到此路徑，說明最基礎的Vector128都不支援，那麼直接使用for迴圈來比較
value = span[0];
for (int i = 1; i < span.Length; i++)
{
if (TMinMax.Compare(span[i], value))
{
value = span[i];
}
}
}
// 判斷當前平臺是否支援使用Vector-256 或者 總資料長度是否小於256位
// Vector256是指硬體支援同時計算256位二進位制資料
else if (!Vector256.IsHardwareAccelerated || span.Length < Vector256<T>.Count)
{
// 進入到此路徑，說明支援Vector128但不支援Vector256
// 那麼進入128位的向量化的比較
// 獲取當前陣列的首地址，也就是指向第0個元素
ref T current = ref MemoryMarshal.GetReference(span);
// 獲取Vector128能使用的最後地址，因為整個陣列佔用的bit位有可能不能被128整除
// 也就是說最後的尾巴不夠128位讓CPU跑一次，那麼就直接最後往前數128位，讓CPU能完整的跑完
ref T lastVectorStart = ref Unsafe.Add(ref current, span.Length - Vector128<T>.Count);
// 從記憶體首地址載入0-127bit資料，作為最大值的基準
Vector128<T> best = Vector128.LoadUnsafe(ref current);
// 計算下一個的位置，也就是偏移128位
current = ref Unsafe.Add(ref current, Vector128<T>.Count);
// 迴圈比較 確保地址小於最後地址
while (Unsafe.IsAddressLessThan(ref current, ref lastVectorStart))
{
// 此時TMinMax.Compare過載程式碼 => Vector128.Max(left, right);
// Vector128.Max 會根據型別一一比較，每x位最大的返回，
// 比如int就是每32位比較，詳情可以看我後文的解析
best = TMinMax.Compare(best, Vector128.LoadUnsafe(ref current));
current = ref Unsafe.Add(ref current, Vector128<T>.Count);
}
// 最後一組Vector128進行比較
best = TMinMax.Compare(best, Vector128.LoadUnsafe(ref lastVectorStart));
// 由於Vector128最後的結果是128位，比如我們型別是int32，那麼最後的結果就有
// 4個int32元素，我們還需要從這4個int32元素中找到最大的
value = best[0];
for (int i = 1; i < Vector128<T>.Count; i++)
{
// 這裡 TMinMax.Compare就是簡單的大小於比較
// left > right
if (TMinMax.Compare(best[i], value))
{
value = best[i];
}
}
}
else
{
// Vector256執行流程和Vector128一致
// 只是它能一次性判斷256位，舉個例子就是一個指令8個int32
ref T current = ref MemoryMarshal.GetReference(span);
ref T lastVectorStart = ref Unsafe.Add(ref current, span.Length - Vector256<T>.Count);
Vector256<T> best = Vector256.LoadUnsafe(ref current);
current = ref Unsafe.Add(ref current, Vector256<T>.Count);
while (Unsafe.IsAddressLessThan(ref current, ref lastVectorStart))
{
best = TMinMax.Compare(best, Vector256.LoadUnsafe(ref current));
current = ref Unsafe.Add(ref current, Vector256<T>.Count);
}
best = TMinMax.Compare(best, Vector256.LoadUnsafe(ref lastVectorStart));
value = best[0];
for (int i = 1; i < Vector256<T>.Count; i++)
{
if (TMinMax.Compare(best[i], value))
{
value = best[i];
}
}
}
}
else
{
// 如果不是基本型別的陣列，那麼進入迭代器，使用原始方法比較
using (IEnumerator<T> e = source.GetEnumerator())
{
if (!e.MoveNext())
{
ThrowHelper.ThrowNoElementsException();
}
value = e.Current;
while (e.MoveNext())
{
T x = e.Current;
if (TMinMax.Compare(x, value))
{
value = x;
}
}
}
}
return value;
}以上就是程式碼的解析，相信很多人疑惑的地方就是 Vector128.Max 做了什麼，我們可以構造一個程式碼，讓大家簡單的看出來發生了什麼。程式碼和執行結果如下所示：
// 定義一個陣列
var array = new int[] { 4, 3, 2, 1, 1, 2, 3, 4 };
// 拿到陣列首地址指標
ref int current = ref MemoryMarshal.GetReference(array.AsSpan());
// 從首地址載入128位資料，上面是int32
// 所以x = 4, 3, 2, 1
var x = Vector128.LoadUnsafe(ref current);
// 偏移128位以後，繼續載入128位資料
// 所以y = 1, 2, 3, 4
var y = Vector128.LoadUnsafe(ref Unsafe.Add(ref current, Vector128<int>.Count));
// 使用Vector128.Max進行計算
var result = Vector128.Max(x, y);
// 列印輸出結果
x.Dump();
y.Dump();
result.Dump();
從執行的結果可以看到，result 中儲存的是 x 和 y 對應位置的最大值，這樣是不是就覺得清晰明瞭，Stephe 大佬上文的程式碼就是做了這樣一個操作。
同樣，如果我們把 int32 換成 int64，也就是 long 型別，由於一個元素佔用64位，所以一次只能載入2個 int64 元素比較最大值，得出對應位置的最大值：
最後使用下面的 for 迴圈程式碼，從 result 中找到最大的那個 int32 元素，從我們上文的案例中就是4，結果和程式碼如下所示：
var value = result[0];
for (int i = 1; i < Vector128<int>.Count; i++)
{
if (value < result[i])
{
value = result[i];
}
}
要注意的是，為了演示方便我這裡陣列 bit 長度剛好是128倍數，實際情況中需要考慮不是128倍數的場景。
答案顯而易見，.NET 7 中 Min() 和 Max() 方法效能暴增45倍的原因就是 Stephe 大佬對基本幾個連續的值型別比較做了 SIMD 最佳化，而這樣的最佳化在本次的 .NET 7 版本中有非常多，有機會的話接下來的文章會帶大家一起看看 SIMD 又是如何提升其它方面的效能。