特定C++随机数生成的Clang性能下降

使用C++11的随机模块，当将std::mt19937（32位和64位版本）与uniform_real_distribution（浮点或双精度，无关紧要）结合使用时，我遇到了一个奇怪的性能下降。与g++编译相比，它慢了一个数量级！

罪魁祸首不仅仅是mt生成器，因为它使用uniform_int_distribution的速度很快。这并不是uniform_real_distribution中的一般缺陷，因为它与default_random_engine等其他生成器相比速度很快。仅仅是这种特定的组合就异常缓慢。

我对本质不太熟悉，但Mersenne Twister算法或多或少都有严格的定义，所以我想实现上的差异不能解释这种差异？measure程序如下，但以下是我在64位linux机器上对clang 3.4和gcc 4.8.1的结果：

gcc 4.8.1
runtime_int_default: 185.6
runtime_int_mt: 179.198
runtime_int_mt_64: 175.195
runtime_float_default: 45.375
runtime_float_mt: 58.144
runtime_float_mt_64: 94.188
clang 3.4
runtime_int_default: 215.096
runtime_int_mt: 201.064
runtime_int_mt_64: 199.836
runtime_float_default: 55.143
runtime_float_mt: 744.072  <--- this and
runtime_float_mt_64: 783.293 <- this is slow

生成这个并自己尝试的程序：

#include <iostream>
#include <vector>
#include <chrono>
#include <random>
template< typename T_rng, typename T_dist>
double time_rngs(T_rng& rng, T_dist& dist, int n){
    std::vector< typename T_dist::result_type > vec(n, 0);
    auto t1 = std::chrono::high_resolution_clock::now();
    for (int i = 0; i < n; ++i)
        vec[i] = dist(rng);
    auto t2 = std::chrono::high_resolution_clock::now();
    auto runtime = std::chrono::duration_cast<std::chrono::microseconds>(t2-t1).count()/1000.0;
    auto sum = vec[0]; //access to avoid compiler skipping
    return runtime;
}
int main(){
    const int n = 10000000;
    unsigned seed = std::chrono::system_clock::now().time_since_epoch().count();
    std::default_random_engine rng_default(seed);
    std::mt19937 rng_mt (seed);
    std::mt19937_64 rng_mt_64 (seed);
    std::uniform_int_distribution<int> dist_int(0,1000);
    std::uniform_real_distribution<float> dist_float(0.0, 1.0);
    // print max values
    std::cout << "rng_default_random.max(): " << rng_default.max() << std::endl;
    std::cout << "rng_mt.max(): " << rng_mt.max() << std::endl;
    std::cout << "rng_mt_64.max(): " << rng_mt_64.max() << std::endl << std::endl;
    std::cout << "runtime_int_default: " << time_rngs(rng_default, dist_int, n) << std::endl;
    std::cout << "runtime_int_mt: " << time_rngs(rng_mt_64, dist_int, n) << std::endl;
    std::cout << "runtime_int_mt_64: " << time_rngs(rng_mt_64, dist_int, n) << std::endl;
    std::cout << "runtime_float_default: " << time_rngs(rng_default, dist_float, n) << std::endl;
    std::cout << "runtime_float_mt: " << time_rngs(rng_mt, dist_float, n) << std::endl;
    std::cout << "runtime_float_mt_64: " << time_rngs(rng_mt_64, dist_float, n) << std::endl;
}

分别通过CCD_ 6或g++编译。有什么想法吗？

编辑：最后，Matthieu M.想出了一个好主意：罪魁祸首是内联，或者更确切地说是缺少内联。增加clang内联限制消除了性能损失。这实际上解决了我遇到的一些性能问题。谢谢，我学到了一些新东西。