R语言 内部回路与外部回路的速度差

yhived7q  于 2023-01-06  发布在  其他
关注(0)|答案(1)|浏览(142)

这篇SO文章引发了一场关于对各种解决方案进行基准测试的讨论。

# global environment is empty - new session just started
# set up
set.seed(20181231)
n <- sample(10^3:10^4,10^3)
for_loop <- function(n) {
  out <- integer(length(n))
  for(k in 1:length(out)) {
    if((k %% 2) == 0){
      out[k] <- 0L
      next
    }
    out[k] <- 1L
    next
  }
  out
}
# benchmarking
res <- microbenchmark::microbenchmark(
  for_loop = {
    out <- integer(length(n))
    for(k in 1:length(out)) {
      if((k %% 2) == 0){
        out[k] <- 0L
        next
      }
      out[k] <- 1L
      next
    }
    out
  },
  for_loop(n),
  times = 10^4
)

以下是完全相同的循环的基准测试结果,一个循环打包在函数中,另一个没有打包

# Unit: microseconds
#        expr      min       lq      mean   median       uq      max neval cld
#    for_loop 3216.773 3615.360 4120.3772 3759.771 4261.377 34388.95 10000   b
# for_loop(n)  162.280  180.149  225.8061  190.724  211.875 26991.58 10000  a 
ggplot2::autoplot(res)

由此可见,两者在效率上有很大的差距,究竟是甚么原因呢?
需要说明的是,问题不在于上面的代码所解决的任务(可以更优雅地完成),而仅仅在于常规循环和函数中 Package 的循环之间的效率差异。

3wabscal

3wabscal1#

解释是函数是“实时”编译的,而解释代码不是。请参见?compiler::enableJIT了解详细说明。
如果要演示差异,请运行

compiler::enableJIT(0)

在任何代码之前(* 包括 * 创建for_loop函数),这将在该会话的其余部分禁用JIT编译,然后两组代码的时间安排将更加相似。
您必须在创建for_loop函数之前执行此操作,因为一旦它被JIT编译器编译,它将保持编译状态,无论是否启用JIT。

相关问题