fun(n::Integer) 和 fun(n::T) 在性能/代码生成中 T<:Integer 之间有区别吗？

Posted 2023-03-31

【中文标题】fun(n::Integer) 和 fun(n::T) 在性能/代码生成中 T<:Integer 之间有区别吗？

【英文标题】：Is there a difference between fun(n::Integer) and fun(n::T) where T<:Integer in performance/code generation?

【发布时间】：2018-10-12 17:21:18

【问题描述】：

在 Julia 中，我最常看到编写为 fun(n::T) where T<:Integer 的代码，该函数适用于 Integer 的所有子类型。但有时，我也看到fun(n::Integer)，一些指南声称它与上述内容等价，而另一些人则说它的效率较低，因为 Julia 不专注于特定子类型，除非明确引用子类型 T。

后一种形式显然更方便，如果可能的话，我希望能够使用它，但是这两种形式是等价的吗？如果不是，它们之间的实际区别是什么？

【问题讨论】：

AFAIK 他们是等价的。我知道的建议是使用fun(n::Integer)，除非你在函数体的某个地方需要T。这正是docs.julialang.org/en/latest/manual/methods/#Defining-Methods-1 在f(x::Number, y::Number) 示例中推荐的内容。如果您检查fun 的方法，您可以看到，如果您运行这两个定义，它们会相互覆盖。您还可以通过传递不同类型的参数来检查两种表单是否使用@code_warntype 或@code_native 生成完全相同的代码。

它们似乎确实生成了相同的代码，我现在看到 Julia 源代码中的代码仅在定义或签名的另一部分使用子类型时才使用 T。 (x::T, y::T)，否则他们直接使用超类型。如果仅在签名中提到超类型，则 Julia 的编译器尽管很聪明，但不会费心生成特定于子类型的代码，这是一个有点疯狂的想法——我相信是一些 Youtube 初学者教程提到了它，我很高兴这不是真的。您能否添加您的评论作为答案？

偶然的机会，我进一步证实了这一点：an answer from Jeff Bezanson 本人认为“那些完全一样”。而现在 Julia 足够聪明，可以用第二个定义替换第一个定义，所以 f 最后只有一个方法。

【参考方案1】：

是的 Bogumił Kamiński 在他的评论中是正确的：f(n::T) where T<:Integer 和 f(n::Integer) 的行为完全相同，除了前一个方法的名称 T 已经在其主体中定义。当然，在后一种情况下，您可以显式分配T = typeof(n)，它将在编译时计算。

不过，在其他一些情况下，使用这样的 TypeVar 至关重要，可能值得一提：

f(::ArrayT) where T<:Integer 确实与 f(::ArrayInteger) 有很大不同。这是常见的参数不变性问题（docs 和 another SO question 关于它）。 f(::Type) 将为所有 DataTypes 生成 一个 特化。因为类型对 Julia 来说非常重要，所以 Type 类型本身是特殊的，它允许像 TypeInteger 这样的参数化以允许您指定 just Integer 类型。您可以使用 f(::TypeT) where T<:Integer 要求 Julia 专注于作为参数获得的 Type 的确切类型，允许 Integer 或其任何子类型。

【参考方案2】：

这两个定义是等价的。通常，您将使用fun(n::Integer) 表单并仅在您需要在代码中直接使用特定类型T 时应用fun(n::T) where T<:Integer。例如，考虑 Base 中的以下定义（以下所有定义也来自 Base），其中它具有自然用途：

zero(::TypeT) where T<:Number = convert(T,0)

或

(+)(x::T, y::T) where T<:BitInteger = add_int(x, y)

即使你在很多情况下需要类型信息，使用typeof 函数也足够了。又是一个示例定义：

oftype(x, y) = convert(typeof(x), y)

即使您使用的是参数类型，您通常也可以避免使用 where 子句（有点冗长），例如：

median(r::AbstractRange<:Real) = mean(r)

因为你不关心函数体中参数的实际值。

现在 - 如果您像我一样是 Julia 用户 - 问题是如何让自己相信这可以按预期工作。有以下几种方法：

您可以检查一个定义是否覆盖了方法表中的另一个（即在评估两个定义之后，该函数只存在一种方法）； 您可以使用@code_typed、@code_warntype、@code_llvm 或@code_native 等检查这两个函数生成的代码，并发现它是相同的 最后，您可以使用BenchmarkTools 对代码进行性能基准测试

http://slides.com/valentinchuravy/julia-parallelism#/1/1 有一个很好的情节来解释 Julia 对您的代码所做的事情（我还向任何 Julia 用户推荐整个演示文稿 - 它非常棒）。您可以在上面看到，降低 AST 后的 Julia 在 LLVM 代码生成步骤之前应用类型推断步骤来专门化函数调用。

您可以提示 Julia 编译器以避免专门化。这是在 Julia 0.7 上使用 @nospecialize 宏完成的（但这只是一个提示）。