我正在Swift中编写一些性能关键的代码。在实现了我能想到的所有优化并在Instruments中对应用程序进行了性能分析之后，我意识到，绝大多数CPU周期都花在了Floats数组上的执行map()和reduce()操作上。所以，只是为了看看会发生什么，我更换的所有实例map，并reduce具有良好的老式for循环。令我惊讶的是，for循环快得多了！

对此感到有些困惑，我决定执行一些粗略的基准测试。在一个测试中，我map执行了一些简单的算术，然后返回了一个Floats数组，如下所示：

// 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。使用整数而不是浮点数的结果相似。

我创建了一个类似的基准来测试Swift的性能reduce。这一次，reduce和for一个大阵的元素求和时，环路实现几乎相同的性能。但是当我像这样循环测试100,000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
    }
}

该reduce方法花费29秒，而for循环花费（显然）0.000003秒。

当然，由于编译器优化的结果，我准备忽略上一个测试，但是我认为它可以为编译器与Swift的内置数组方法如何不同地优化循环提供一些见识。请注意，所有测试均在2.5
GHz i7 MacBook Pro上进行-
Os优化。结果取决于数组大小和迭代次数而有所不同，但是for循环总是比其他方法好至少1.5倍，有时甚至超过10倍。

我对Swift在这里的表现有些困惑。内置的Array方法难道不比执行此类操作的幼稚方法快吗？也许有人比我更了解底层知识，这使我对情况有所了解。