DragonArray 文档

龙芯 3A6000 基准测试

本文记录 DragonArray 当前在龙芯 3A6000 上的性能快照，不代表 3C5000 的结果。

测试系统

	原版 NumPy	DragonArray
版本	`2.5.0.dev0+git20260515.79b0331`	`2.5.0.dev0+dragon.unofficial.1`
源码	上游 `79b033101a`	当前 2026-08-10 工作树
运行时 SIMD	LSX baseline	LSX baseline + LASX dispatch

CPU：2.0 GHz 龙芯 3A6000
OS：Linux 5.4.18-167-generic，loongarch64
编译器：GCC 15.2.0
Python：3.13.13
基准测试：bench/loongarch.py --iters 30
数组长度：1,000,000 个元素

吞吐量单位为每秒处理的连续数组元素数（百万）。加速比是 DragonArray 吞吐量除以原版 NumPy 吞吐量。两个版本在同一台机器上使用相同的基准测试输入运行。

汇总

完整测试覆盖 135 个 operation 与 dtype 组合，原始几何平均加速为 1.81×。

类别	组合数	原始几何平均加速	加速至少 1.10× 的组合数
Boolean	2	8.31×	2
`float16`	20	2.77×	9
`float32`	27	1.61×	8
`float64`	27	1.25×	6
Integer	59	1.86×	32
全部	135	1.81×	57

原始汇总包含基准测试固定的 operation 执行顺序。这台机器上的基本浮点算术对执行顺序敏感，因此其确认结果在下文单独列出。

当前最大增益

Operation	Dtype	原版 NumPy	DragonArray	加速比
`arctanh`	`float16`	24.0	453.9	18.91×
`floor_divide`	`int8`	163.5	2675.7	16.37×
`mod`	`int8`	173.7	2475.5	14.25×
`sin`	`float16`	52.4	689.3	13.16×
`cos`	`float16`	51.4	662.0	12.88×
`arcsinh`	`float16`	21.1	261.2	12.38×
`tanh`	`float32`	26.5	319.0	12.04×
`floor_divide`	`int16`	157.7	1827.1	11.59×
`log1p`	`float16`	36.1	392.4	10.87×
`logical_and`	`bool`	1044.5	11346.8	10.86×

浮点 kernel

下表列出当前测得比原版 NumPy 至少快 1.10× 的浮点 operation 与 dtype 组合。未列出的 transcendental 组合在本次测试中性能相当。

Dtype	Operation	原版 NumPy	DragonArray	加速比
`float16`	`arcsinh`	21.1	261.2	12.38×
`float16`	`arctanh`	24.0	453.9	18.91×
`float16`	`cbrt`	36.1	145.7	4.04×
`float16`	`cos`	51.4	662.0	12.88×
`float16`	`log`	68.0	442.1	6.50×
`float16`	`log10`	43.2	421.8	9.76×
`float16`	`log1p`	36.1	392.4	10.87×
`float16`	`log2`	67.8	422.7	6.24×
`float16`	`sin`	52.4	689.3	13.16×
`float32`	`arcsin`	95.9	194.1	2.02×
`float32`	`arctan`	64.2	573.1	8.93×
`float32`	`arctan2`	43.5	205.7	4.73×
`float32`	`cos`	78.1	410.5	5.26×
`float32`	`sin`	77.4	423.4	5.47×
`float32`	`tanh`	26.5	319.0	12.04×
`float64`	`arctan`	45.4	207.5	4.57×
`float64`	`arctan2`	24.6	80.5	3.27×
`float64`	`cbrt`	42.8	136.7	3.19×
`float64`	`log1p`	63.4	262.8	4.15×
`float64`	`tanh`	24.0	54.8	2.28×

float32 divide 与其他基本算术结果列在一起，因为它在两种基准测试执行顺序下都经过了检查。

基本浮点算术

下表给出两次确认测试中各匹配轮次的 DragonArray/原版 NumPy 比值中位数。 “按 dtype 分组”会先对一个 dtype 运行全部四个 operation，再切换到下一个 dtype； “按 operation 分组”会针对每个 operation 交替测试 float32 与 float64。

Operation	f32 按 dtype 分组	f32 按 operation 分组	f64 按 dtype 分组	f64 按 operation 分组
`add`	0.99×	0.83×	0.99×	0.71×
`subtract`	0.99×	1.05×	1.00×	0.73×
`multiply`	1.00×	1.05×	1.01×	0.73×
`divide`	1.91×	1.92×	1.13×	0.78×

float32 divide 是其中稳定的结果：在两种顺序下都保持约 1.9× 的加速。其他算术数据应视为对 working set 和执行顺序敏感的测量值，而不是稳定的性能退化或增益。

Integer、boolean 与 sort 重点结果

LASX integer division 在不超过 32-bit 的宽度上最有效。所有实测宽度的 integer modulo 都有所加速。

Operation	Dtype	原版 NumPy	DragonArray	加速比
`floor_divide`	`int8`	163.5	2675.7	16.37×
`floor_divide`	`int16`	157.7	1827.1	11.59×
`floor_divide`	`int32`	165.3	1114.8	6.74×
`floor_divide`	`uint8`	408.9	2425.8	5.93×
`floor_divide`	`uint16`	286.2	1744.9	6.10×
`floor_divide`	`uint32`	189.9	1117.4	5.88×
`mod`	`int8`	173.7	2475.5	14.25×
`mod`	`int16`	168.3	1641.7	9.76×
`mod`	`int32`	157.1	1052.7	6.70×
`mod`	`int64`	102.8	527.0	5.13×
`logical_and`	`bool`	1044.5	11346.8	10.86×
`logical_not`	`bool`	1866.3	11875.2	6.36×
`sort`	`float32`	11.0	74.9	6.81×
`sort`	`float64`	11.0	36.8	3.35×
`sort`	`int16`	14.7	93.6	6.37×
`sort`	`int32`	14.8	80.3	5.43×
`sort`	`int64`	15.6	41.8	2.68×

在八种有符号和无符号 integer 宽度上，integer max reduction 的加速为 1.28× 至 2.00×。在这个数组长度下，integer add、multiply、comparison 和 argmax 总体接近原版性能。

复现测试

在一台没有其他负载的 3A6000 上连续运行两个版本：

PYTHONPATH=<stock-install> \
    python3 bench/loongarch.py --iters 30 > stock.txt
PYTHONPATH=<dragon-install> \
    python3 bench/loongarch.py --iters 30 > dragon.txt

逐行比较 contiguous-throughput 列。基准测试会在每个计时循环前运行三次预热。 sort 使用 10 次计时迭代，其他 operation 使用 30 次。

2026-08-10 的准确测试文件如下：