# Как увеличилась производительность LINQ в \.NET 7? В новой версии \.NET улучшилась производительность методов Min, Max, Average и Sum для массивов и списков\. Как вы думаете, во сколько раз увеличилась скорость их выполнения? В 2 раза, в 5? Нет, они стали гораздо быстрее\. Посмотрим, как этого удалось достичь\. ![1011_LINQ_Performance_dotNET7_ru/image1.png](https://import.viva64.com/docx/blog/1011_LINQ_Performance_dotNET7_ru/image1.png) ## Как же улучшился LINQ? LINQ \(Language\-Integrated Query\) представляет простой и удобный язык запросов\. Он позволяет в простой форме выражать сложные операции\. LINQ использует практически каждый разработчик \.NET\. Однако за удобство использования приходится платить скоростью выполнения и лишней выделенной памятью\. В большинстве ситуаций эти затраты не оказывают существенного влияния\. Однако в местах, где производительность является критичной, эти недостатки могут неприятно проявиться\. Итак, методы, которые получили улучшения производительности: _Enumerable\.Max_, _Enumerable\.Min_, _Enumerable\.Average_, _Enumerable\.Sum_\. С помощью небольшого бенчмарка проверим, как увеличилась их производительность\. ```cpp using BenchmarkDotNet.Attributes; using BenchmarkDotNet.Running; using System.Collections.Generic; using System.Linq; [MemoryDiagnoser(displayGenColumns: false)] public partial class Program { static void Main(string[] args) => BenchmarkSwitcher.FromAssembly(typeof(Program).Assembly).Run(args); [Params (10, 10000)] public int Size { get; set; } private IEnumerable items; [GlobalSetup] public void Setup() { items = Enumerable.Range(1, Size).ToArray(); } [Benchmark] public int Min() => items.Min(); [Benchmark] public int Max() => items.Max(); [Benchmark] public double Average() => items.Average(); [Benchmark] public int Sum() => items.Sum(); } ``` Результаты бенчмарка: |Method|Runtime|Size|Mean|Ratio|Allocated| |---|---|---|---|---|---| |Min|\\\.NET 6\\\.0|10|75\\\.491 ns|1\\\.00|32 B| |Min|\\\.NET 7\\\.0|10|7\\\.749 ns|0\\\.10|\\\-| ||||||| |Max|\\\.NET 6\\\.0|10|71\\\.128 ns|1\\\.00|32 B| |Max|\\\.NET 7\\\.0|10|6\\\.493 ns|0\\\.09|\\\-| ||||||| |Average|\\\.NET 6\\\.0|10|68\\\.963 ns|1\\\.00|32 B| |Average|\\\.NET 7\\\.0|10|7\\\.315 ns|0\\\.11|\\\-| ||||||| |Sum|\\\.NET 6\\\.0|10|69\\\.509 ns|1\\\.00|32 B| |Sum|\\\.NET 7\\\.0|10|9\\\.058 ns|0\\\.13|\\\-| ||||||| |Min|\\\.NET 6\\\.0|10000|61,567\\\.392 ns|1\\\.00|32 B| |Min|\\\.NET 7\\\.0|10000|2,967\\\.947 ns|0\\\.05|\\\-| ||||||| |Max|\\\.NET 6\\\.0|10000|56,106\\\.592 ns|1\\\.00|32 B| |Max|\\\.NET 7\\\.0|10000|2,948\\\.302 ns|0\\\.05|\\\-| ||||||| |Average|\\\.NET 6\\\.0|10000|52,803\\\.907 ns|1\\\.00|32 B| |Average|\\\.NET 7\\\.0|10000|2,967\\\.810 ns|0\\\.06|\\\-| ||||||| |Sum|\\\.NET 6\\\.0|10000|52,732\\\.121 ns|1\\\.00|32 B| |Sum|\\\.NET 7\\\.0|10000|5,897\\\.220 ns|0\\\.11|\\\-| Из результатов видно, что для небольших массивов время выполнения поиска минимума уменьшилось в 10 раз, а для массива в 10 000 элементов — в 20 раз\. Аналогичная ситуация и для остальных методов, кроме нахождения суммы — разница в размере коллекций не так значительно повлияла на результат\. Также стоит заметить, что в \.NET 7 при вызове методов не выделяется дополнительная память\. Проверим, как эти методы будут работать со списками _List_\. |Method|Runtime|Size|Mean|Ratio|Allocated| |---|---|---|---|---|---| |Min|\\\.NET 6\\\.0|10|122\\\.554 ns|1\\\.00|40 B| |Min|\\\.NET 7\\\.0|10|8\\\.995 ns|0\\\.07|\\\-| ||||||| |Max|\\\.NET 6\\\.0|10|115\\\.135 ns|1\\\.00|40 B| |Max|\\\.NET 7\\\.0|10|9\\\.171 ns|0\\\.08|\\\-| ||||||| |Average|\\\.NET 6\\\.0|10|110\\\.825 ns|1\\\.00|40 B| |Average|\\\.NET 7\\\.0|10|8\\\.163 ns|0\\\.07|\\\-| ||||||| |Sum|\\\.NET 6\\\.0|10|113\\\.812 ns|1\\\.00|40 B| |Sum|\\\.NET 7\\\.0|10|13\\\.197 ns|0\\\.12|\\\-| ||||||| |Min|\\\.NET 6\\\.0|10000|91,529\\\.841 ns|1\\\.00|40 B| |Min|\\\.NET 7\\\.0|10000|2,941\\\.226 ns|0\\\.03|\\\-| ||||||| |Max|\\\.NET 6\\\.0|10000|84,565\\\.787 ns|1\\\.00|40 B| |Max|\\\.NET 7\\\.0|10000|2,957\\\.451 ns|0\\\.03|\\\-| ||||||| |Average|\\\.NET 6\\\.0|10000|81,205\\\.103 ns|1\\\.00|40 B| |Average|\\\.NET 7\\\.0|10000|2,959\\\.882 ns|0\\\.04|\\\-| ||||||| |Sum|\\\.NET 6\\\.0|10000|81,857\\\.576 ns|1\\\.00|40 B| |Sum|\\\.NET 7\\\.0|10000|5,783\\\.370 ns|0\\\.07|\\\-| В \.NET 6 операции над массивами быстрее, чем над списками\. Это справедливо и в \.NET 7 для небольших коллекций\. C ростом числа элементов списки сравниваются с массивами по производительности\. По результатам тестов производительность для списков увеличилась в 31 раз\. ## За счёт чего достигается такое преимущество? Заглянем в реализацию метода _Min_ и посмотрим, как он устроен\. Так выглядит реализация метода _Min_ в \.NET 6: ```cpp public static int Min(this IEnumerable source) { if (source == null) { ThrowHelper.ThrowArgumentNullException(ExceptionArgument.source); } int value; using (IEnumerator e = source.GetEnumerator()) { if (!e.MoveNext()) { ThrowHelper.ThrowNoElementsException(); } value = e.Current; while (e.MoveNext()) { int x = e.Current; if (x < value) { value = x; } } } return value; } ``` Метод довольно простой\. Получаем коллекцию _IEnumerable_, берём элемент коллекции и с помощью метода _MoveNext_ получаем следующий элемент\. Сравниваем их, сохраняем тот, что меньше, повторяем до конца коллекции\. Новая версия метода _Min_ выглядит иначе: ```cpp public static int Min(this IEnumerable source) => MinInteger(source); ``` Для коллекций целых чисел применяется метод _MinInteger_\. Рассмотрим, что в нём происходит\. ```cpp private static T MinInteger(this IEnumerable source) where T : struct, IBinaryInteger { T value; if (source.TryGetSpan(out ReadOnlySpan span)) { if (Vector.IsHardwareAccelerated && span.Length >= Vector.Count * 2) { .... // Оптимизированная реализация return ....; } } .... //Реализация как в .NET 6 } ``` Прежде всего пытаемся получить из предоставленной коллекции объект типа _ReadOnlySpan_\. Если не удалось получить _ReadOnlySpan_ представление коллекции, то выполняется ветвь кода, соответствующая реализации метода _Min_ в \.NET 6\. В нашем случае мы можем получить _ReadOnlySpan_, так как используем массивы и списки\. Что представляет собой _ReadOnlySpan_? Типы _Span_ и _ReadOnlySpan_ обеспечивают безопасное представление непрерывной области управляемой и неуправляемой памяти\. Структура _Span_ определена как _ref struct\._ Это означает, что она может размещаться только на стеке, что позволяет избежать выделения дополнительной памяти и повышает производительность работы с данными\. В новой версии C\# _Span_ тоже немного изменился\. С появлением в С\# 11 возможности создавать в _ref struct_ поля, хранящиеся по ссылкам, немного изменилось внутреннее представление _Span_\. Раньше для хранения ссылки на начало области памяти применялся специальный внутренний тип _ByReference_, однако в нём не было проверки безопасности\. Сейчас для этого используется _ref fields_\. Это изменение обеспечивает более безопасную работу с памятью\. О других нововведениях C\# 11 можете прочитать в [статье](https://pvs-studio.ru/ru/blog/posts/csharp/1002/)\. Вернёмся к рассмотрению метода _Min_\. Получив _ReadOnlySpan_, метод пытается по возможности векторизовать поиск, используя тип _Vector_\. Для этого должно выполняться условие: ```cpp if (Vector.IsHardwareAccelerated && span.Length >= Vector.Count * 2) ``` Первая часть условия проверяет, возвращает ли свойство Vector\.IsHardwareAccelerated true\. Заглянем в реализацию этого свойства\. ```cpp public static bool IsHardwareAccelerated { [Intrinsic] get => false; } ``` К геттеру применяется атрибут _\[Intrinsic\]_\. Он указывает на то, что значение, возвращаемое _IsHardwareAccelerated_, может быть заменено JIT\. Свойство вернёт _true_, если к операциям над векторами можно применить аппаратное ускорение посредством встроенной поддержки JIT, в противном случае вернётся _false_\. Для включения аппаратного ускорения необходимо запустить сборку для x64 платформы с Release конфигурацией либо собирать под AnyCPU с отключённым Prefer 32\-bit\. Для выполнения второй части условия нужно, чтобы размер _Span_ был как минимум в 2 раза больше размера вектора\. Как будет вычисляться размер этого вектора? В новой реализации метода _Min _для создания вектора используется тип данных _Vector_\. Этот тип представляет собой обёртку над тремя другими: _Vector64_, _Vector128_ и _Vector256_\. Они содержат векторизованные данные соответствующей длины\. _Vector128_ может хранить 16 8\-битных, 8 16\-битных, 4 32\-битных или 2 64\-битных значения\. Какой тип использовать, выбирается в зависимости от того, поддерживается он процессором или нет\. Таким образом если при исполнении метода используется тип _Vector128_, то полученный из массива или списка _Span _должен содержать 8 или больше элементов типа _int_\. Если все условия соблюдены, метод использует преимущества _ReadOnlySpan_ и _Vector_ для оптимизации поиска минимума: ```cpp private static T MinInteger(this IEnumerable source) where T : struct, IBinaryInteger { .... if (Vector.IsHardwareAccelerated && span.Length >= Vector.Count * 2) { var mins = new Vector(span); index = Vector.Count; do { mins = Vector.Min(mins, new Vector(span.Slice(index))); index += Vector.Count; } while (index + Vector.Count <= span.Length); value = mins[0]; for (int i = 1; i < Vector.Count; i++) { if (mins[i] < value) { value = mins[i]; } } .... } ``` Рассмотрим, как работает векторизованная реализация поиска минимума\. Из первых N элементов _Span _\(N зависит от типа вектора; для_ Vector128 _это 4 элемента\) создаётся вектор, который в методе _Vector\.Min_ сравнивается с вектором из следующих N элементов\. Конечный вектор будет содержать минимальное значение каждой пары элементов двух данных векторов\. Далее берётся следующая часть _Span,_ и такой поиск продолжается\. Остаётся только найти минимальное из значений, хранящихся в конечном векторе\. Плюс использования вектора заключается в том, что все операции над его элементами происходят одновременно\. Выше продемонстрирован пример использования _Span_ и векторизации для оптимизации метода _Min_\. Что с остальными методами? Подобные возможности используются и в методах _Max_, _Average_, _Sum_\. Оптимизированные версии этих методов доступны для массивов и списков типов _int_, _long_, _float_, _double_ и _decimal_\. ## Заключение Путём использования _Span_ и аппаратного ускорения для работы с векторами разработчикам из Microsoft и сообщества \.NET удалось достичь заметных улучшений производительности LINQ\. Теперь появляется возможность использовать прокачанные методы в ситуациях, где критичны скорость выполнения кода и выделенная память\. Вообще \.NET 7 получил немало других улучшений производительности\. Вы можете прочитать о них в [блоге \.NET](https://devblogs.microsoft.com/dotnet/performance_improvements_in_net_7/)\.