在 Haxe 中循环的最有效方法是什么？

Question

我在 Haxe 中找不到有关循环之间实际性能差异的任何信息。他们提到 Vector 有一些速度优化，因为它是固定长度的。循环对象的最佳方法是什么？它是否依赖于可迭代对象（例如数组与向量与地图）？

为什么 Haxe 在 SO 上的存在如此之少？其他所有语言都回答了这个问题 5 次以上...

Answer 1

由于没有人做过我发现的性能基准测试，我决定进行一项测试，以便未来的 Haxe 程序员可以使用这些信息。

第一个注意事项：如果您不经常运行循环，它的速度非常快，几乎对性能没有影响。因此，如果仅使用数组更容易，那就去做吧。只有当你一遍又一遍地运行这个东西和/或它真的很大时，性能才会受到影响。

事实证明，您的最佳选择主要取决于您的数据结构。我发现当您执行 for each 样式循环而不是标准的 for 循环或 while 循环时，数组往往会更快。小尺寸数组本质上与向量一样快，因此在大多数情况下，您无需担心使用哪一个。但是，如果您正在处理非常庞大的数组，那么切换到向量将非常有益。如果您使用 Vector，则使用标准 for 或 while 循环本质上是等效的（尽管 while 触摸速度更快）。映射也非常快，特别是如果您避免 foreach 循环。

为了得出这些结论，我首先在以下条件下测试了循环：

1. 测试过的数组、向量和地图（地图只是为了好玩）。
2. structure[i] = i用 [20, 100, 1000, 10000, 100000] 中的大小将每个填充到i 中的位置...大小，以便您可以找到适合您的大小。
3. 使用三种 for 循环类型测试每个大小的每个数据结构

   for (i in 0...size)
   for (item in array)
   while (i < size)
   

   在每个循环中，我执行了查找和分配 arr[i] = arr[i] + 1;
4. 每种循环类型都在其自己的循环内for (iter in 0...1000)，以便更准确地了解循环的执行方式。请注意，我只是将每个循环的时间加在一起，我没有求平均值或类似的东西。因此，如果一个数组需要 12 秒，那么平均执行一次实际上是 12 / 1000 => 0.012 秒。

最后，这是我的基准测试（在 HaxeDevelop 中的 neko 调试中运行）：

Running test on size 20:

for (i...20) x 1000
    Array : 0.0019989013671875
    Vector : 0
    Map : 0.00300025939941406

for each(i in iterable) x 1000
    Array : 0.00100135803222656
    Vector : 0.00099945068359375
    Map : 0.0209999084472656

while (i < 20) x 1000
    Array : 0.00200080871582031
    Vector : 0.00099945068359375
    Map : 0.0019989013671875


Running test on size 100:

for (i...100) x 1000
    Array : 0.0120010375976563
    Vector : 0.0019989013671875
    Map : 0.0120010375976563

for each(i in iterable) x 1000
    Array : 0.00600051879882813
    Vector : 0.00299835205078125
    Map : 0.0190010070800781

while (i < 100) x 1000
    Array : 0.0119991302490234
    Vector : 0.00200080871582031
    Map : 0.0119991302490234


Running test on size 1000:

for (i...1000) x 1000
    Array : 0.11400032043457
    Vector : 0.0179996490478516
    Map : 0.104999542236328

for each(i in iterable) x 1000
    Array : 0.0550003051757813
    Vector : 0.0229988098144531
    Map : 0.210000991821289

while (i < 1000) x 1000
    Array : 0.105998992919922
    Vector : 0.0170001983642578
    Map : 0.101999282836914


Running test on size 10000:

for (i...10000) x 1000
    Array : 1.09500122070313
    Vector : 0.180000305175781
    Map : 1.09700012207031

for each(i in iterable) x 1000
    Array : 0.553998947143555
    Vector : 0.222999572753906
    Map : 2.17600059509277

while (i < 10000) x 1000
    Array : 1.07900047302246
    Vector : 0.170999526977539
    Map : 1.0620002746582


Running test on size 100000:

for (i...100000) x 1000
    Array : 10.9670009613037
    Vector : 1.80499839782715
    Map : 11.0330009460449

for each(i in iterable) x 1000
    Array : 5.54100036621094
    Vector : 2.21299934387207
    Map : 20.4000015258789

while (i < 100000) x 1000
    Array : 10.7889995574951
    Vector : 1.71500015258789
    Map : 10.8209991455078


total time: 83.8239994049072

希望能帮助那些担心性能和 Haxe 以及需要使用大量循环的人。