如何在 R 中分析和优化已经快速的代码

Posted 2023-03-06

【中文标题】如何在 R 中分析和优化已经快速的代码

【英文标题】：How to profile and optimise already fast code in R

【发布时间】：2020-07-28 22:19:37

【问题描述】：

我在 R 中有一个要优化的函数。它是最内层循环的一部分，所以它运行了数百万次，我从分析中知道这个函数占用了总计算时间的 80%。

我一直在使用 profvis 包来了解我的代码在哪里运行缓慢，并且通过进行渐进式改进，现在只需不到 10 毫秒的时间即可运行该函数。

但此时，profvis 停止工作，并且没有提供有用的细分，说明哪些代码行使用的时间最多。例如：

func <- function(x)
  x1 <- x ** 2
  x2 <- x * 3
  x3 <- sum(1:x)
  x4 <- x1 + x2 + x3

profvis::profvis(func(10))
Error in parse_rprof(prof_output, expr_source) : 
  No parsing data available. Maybe your function was too fast?

他们的替代包或方法是否可以很好地分析运行时间少于 10 毫秒的函数？

【参考方案1】：

profvis 使用Rprof，因此您可能想在?Rprof 阅读有关其限制的信息。

如果所有其他方法都失败了，您可以进行小规模实验：更改函数中的某些内容（例如减少赋值次数），然后测量调用函数的循环的总运行时间。这会因您的编译器设置而有些复杂（请参阅?compiler::compile）。但是您有一个终极方法来查看某些更改是否有帮助：运行您的代码（多次），看看它是否变得更快。

func <- function(x)
  x1 <- x ** 2
  x2 <- x * 3
  x3 <- sum(1:x)
  x4 <- x1 + x2 + x3

func2 <- function(x)
  x*x + x*3 + sum(seq_len(x)) 


library("compiler")
ii <- 1:1000000
enableJIT(0) 
system.time(for (i in ii) func (100))
system.time(for (i in ii) func2(100))

enableJIT(3) 
system.time(for (i in ii) func (100))
system.time(for (i in ii) func2(100))