循环内部与外部功能

Question

在此SO帖子中,在对各种解决方案进行基准测试时进行了讨论.请考虑以下代码

# 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,一个打包在一个函数中,另一个没有

# 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)

可以看出,效率存在巨大差异.这是什么原因？

要明确的是,问题不在于上述代码解决的任务(可以更优雅地完成),而仅仅是关于常规循环和包含在函数内的循环之间的效率差异.

Answer 1

解释是函数是"即时"编译的,而解释的代码则不是.有关?compiler::enableJIT说明,请参阅.

如果你想要显示差异,请运行

compiler::enableJIT(0)

在你的任何代码之前(包括创建for_loop函数).这会禁用JIT编译该会话的其余部分.那么两组代码的时序将更加相似.

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,无论是否启用JIT.