Почему эта реализация суммирования векторов в rangev3 медленнее, чем эквивалент STD?

Я рассматриваю возможность использования rangev3 в своей библиотеке. Мне нравится синтаксис rangev3, но приоритетом является производительность. Библиотека выполняет множество операций умножения и сложения векторов, в основном длиной 128 отсчетов. Я использовал тест Google для оценки, например, сложения двух векторов. Версия диапазонов намного медленнее, чем версия STD (почти в 10 раз медленнее для коротких векторов). Это несколько удивительно, поскольку часто утверждается, что rangev3 (и будущие std :: range в C ++ 20) имеют хорошую производительность.

Есть ли проблема с тем, как я использую здесь rangev3? Или это как-то связано с тем, что компилятор не может хорошо развернуть код rangev3? Или прирост производительности rangev3 проявляется только для многих операций с последовательным подключением?

Примечания: назначение output = rng1; не должно выделять память, поскольку длина вектора такая же (я пробовал использовать range :: copy, но это стало в 100 раз медленнее). Я попытался предварительно инициализировать и рандомизировать векторы A и B, но не увидел разницы. Я заметил, что если бы у меня было больше операций в конвейере, разрыв между STL и ragesv3 сужался, но только для длинных векторов (более 32000 для 5 последовательных операций).

Ниже приведен автономный пример с показателями производительности. Я использую C ++ 17 LLVM libc ++ на 4-ядерном MacBook Pro i7 с флагом -O3.

#include <range/v3/all.hpp>
#include <benchmark/benchmark.h>

static void AddBenchmark(benchmark::State& state) {
  const size_t length = state.range(0);

  std::vector<double> B(length);
  std::vector<double> A(length);
  std::vector<double> output(length);
  
  while (state.KeepRunning()) {
    std::transform(A.begin( ), A.end( ), B.begin( ), output.begin(), std::plus<>( ));
    benchmark::ClobberMemory(); // Force output to be written to memory.
  }
}
BENCHMARK(AddBenchmark)->RangeMultiplier(8)->Range(1<<7, 1<<20);


static void AddRangesBenchmark(benchmark::State& state) {
  const size_t length = state.range(0);

  std::vector<double> B(length);
  std::vector<double> A(length);
  std::vector<double> output(length);
  
  while (state.KeepRunning()) {
    auto rng1 = ranges::view::transform(A, B, std::plus<>( ));
    output = ranges::to<std::vector<double>>(rng1);
    benchmark::ClobberMemory(); // Force output to be written to memory.
  }
}
BENCHMARK(AddRangesBenchmark)->RangeMultiplier(8)->Range(1<<7, 1<<20);

BENCHMARK_MAIN();

который выводит

AddBenchmark/128                 30.3 ns         30.2 ns     23194091
AddBenchmark/512                  121 ns          121 ns      5758094
AddBenchmark/4096                1917 ns         1906 ns       417300
AddBenchmark/32768              25054 ns        24795 ns        28182
AddBenchmark/262144            385913 ns       382803 ns         1718
AddBenchmark/1048576          2100095 ns      2096442 ns          328
AddRangesBenchmark/128            218 ns          218 ns      3131249
AddRangesBenchmark/512            579 ns          579 ns      1169688
AddRangesBenchmark/4096          5071 ns         5069 ns       123231
AddRangesBenchmark/32768        50702 ns        50649 ns        14382
AddRangesBenchmark/262144      482216 ns       481333 ns         1288
AddRangesBenchmark/1048576    3349331 ns      3347475 ns          200