性能.Primitive和.Internal

Question

我通过从流程中删除一步来进行一些优化...

> library(microbenchmark)
> microbenchmark(paste0("this","and","that"))
Unit: microseconds
                          expr   min    lq    mean median    uq    max neval
 paste0("this", "and", "that") 2.026 2.027 3.50933  2.431 2.837 34.038   100

> microbenchmark(.Internal(paste0(list("this","and","that"),NULL)))
Unit: microseconds
                                                 expr   min    lq    mean median    uq    max neval
 .Internal(paste0(list("this", "and", "that"), NULL)) 1.216 1.621 2.77596  2.026 2.027 43.764   100

到现在为止还挺好...

但后来我注意到它list被定义为

function (...)  .Primitive("list")

我试图进一步"简化"

> microbenchmark(.Internal(paste0(.Primitive("list")("this","and","that"),NULL)))
Unit: microseconds
                                                               expr   min    lq    mean median    uq    max neval
 .Internal(paste0(.Primitive("list")("this", "and", "that"), NULL)) 3.241 3.242 4.66433  3.647 3.648 80.638   100

而且时间增加了!

我的猜测是处理字符串"list"是问题的根源,并且在实际调用函数时它的处理方式不同list

但怎么样？

免责声明:我知道这会伤害可读性,而不是帮助提高性能.这仅适用于一些非常简单的功能,这些功能不会改变,并且经常使用,即使按此成本也需要轻微的性能问题.

---

编辑以回应Josh O'Brien的评论:

我不确定这说明了他的想法,但是

library(compiler)
ff <- compile(function(...){.Internal(paste0(.Primitive("list")("this","and","that"),NULL))})
ff2 <- compile(function(...){.Internal(paste0(list("this","and","that"),NULL))})
microbenchmark(eval(ff),eval(ff2),times=10000)
> microbenchmark(eval(ff2),eval(ff),times=10000)
Unit: microseconds
      expr   min    lq     mean median    uq     max neval
 eval(ff2) 1.621 2.026 2.356761  2.026 2.431 144.257 10000
  eval(ff) 1.621 2.026 2.455913  2.026 2.431  89.148 10000

并且看着从microbenchmark生成的图(只是plot()自己用它来看看它)运行了很多次,看起来那些具有统计上相同的性能,尽管看起来像ff2的"max"值具有更糟糕的最坏情况.不知道该怎么做,但也许这会对某人有所帮助.所有这些基本上都说他们编译成相同的代码.这是否意味着他的评论是答案？

Answer 1

原因.Internal(paste0(.Primitive("list")("this","and","that"),NULL))似乎更慢似乎是因为Josh O'Brien所猜测的..Primitive("list")直接调用会产生一些额外的开销.

你可以通过一个简单的例子看到效果:

require(compiler)
pl <- cmpfun({.Primitive("list")})
microbenchmark(list(), .Primitive("list")(), pl())
# Unit: nanoseconds
#                  expr  min     lq median     uq   max neval
#                list()   63   98.0  112.0  140.5   529   100
#  .Primitive("list")() 4243 4391.5 4486.5 4606.0 16077   100
#                  pl()   79  135.5  148.0  175.5 39108   100

这就是说,你不会是能够提高速度.Primitive,并.Internal从R提示.它们都是C代码的入口点.

而且也没有理由去替代调用.Primitive与.Internal.这是递归的,因为.Internal 它本身就是一个原始的.

> .Internal
function (call)  .Primitive(".Internal")

如果你试图.Internal"直接" 调用,你会得到同样的缓慢......如果编译"直接"调用,你会得到类似的"加速".

Internal. <- function() .Internal(paste0(list("this","and","that"),NULL))
Primitive. <- function() .Primitive(".Internal")(paste0("this","and","that"),NULL)
cPrimitive. <- cmpfun({Primitive.})
microbenchmark(Internal., Primitive., cPrimitive., times=1e4)
# Unit: nanoseconds
#         expr min lq median uq  max neval
#    Internal.  26 27     27 28 1057 10000
#   Primitive.  28 32     32 33 2526 10000
#  cPrimitive.  26 27     27 27 1706 10000