为什么 Julia 比 MATLAB 慢？

Question

我刚刚编写了这个非常简单的函数来测试 Julia 和 MATLAB 的性能。我只是注意到 MATLAB 中的执行时间要短得多。这是简单的代码：

MATLAB：

tic

aa = 0;

for loop =1:1e6

       aa = aa+loop;

end

toc

经过的时间是 0.004628 秒。

朱莉娅：

function sum_test(a)

    for i = 1:1e6
        a = a + i
    end

    return a
end

经过的时间是 0.093886155s：93 毫秒。

我还在 Julia 中编写了一个函数来避免使用全局变量，这提高了性能，但它仍然比 MATLAB 慢得多。有人可以帮我理解这一点吗？

Answer 1

如果不了解您如何为 Julia 代码计时，就不可能说出来。然而，最可能的解释是您同时计时编译时间和执行时间。Julia 和 MatLab 编译器的行为完全不同。当您在 Julia 中编写新函数时，它会在您第一次使用时编译。因此，它的第一次执行会很慢，但所有后续调用都很快。为了解决这个问题，如果您正在对 Julia 进行基准测试，建议您使用该BenchmarkTools包。在我的（不是特别特别的）机器上：

function sum_test(a)
    for i = 1:1e6
        a = a + i
    end
    return a
end
using BenchmarkTools
@btime sum_test(1)

产生以下输出：

julia> @btime sum_test(1)
  2.135 ms (0 allocations: 0 bytes)

所以大约 2 毫秒，大约是您的 MatLab 运行速度的两倍。

但我们能做得更好吗？我们当然可以。MatLab 倾向于将所有数字视为双精度浮点数，因此在 MatLab 中编码时不会过多考虑数字的类型。在 Julia 中，情况并非如此。在此示例中，您已将循环的上限指定为1e6。注意：

julia> typeof(1e6)
Float64

啊哈！您可能不Float64希望循环变量是 a ，而是希望它是一个整数。那么当我们改变它时会发生什么？尝试运行这个：

function sum_test(a)
    for i = 1:1000000
        a = a + i
    end
    return a
end
using BenchmarkTools
@btime sum_test(1)

现在输出：

julia> @btime sum_test(1)
  1.208 ns (0 allocations: 0 bytes)

是的，你没有看错。它花了 1.2 纳秒，或者比 MatLab 快大约 6 个数量级。

那么发生了什么？在循环上限是整数的情况下，Julia 编译器足够聪明，可以意识到它实际上并不需要运行循环来正确计算结果。由于正在执行的算法的性质，可以使用编译器为您完成的单个公式来确定答案。换句话说，Julia 编译器优化了整个循环！