Question

正如问题标题所示，我想知道为什么字节编译的R代码（使用compiler::cmpfun）比以下数学函数的等效Rcpp代码更快：

func1 <- function(alpha, tau, rho, phi) {
     abs((alpha + 1)^(tau) * phi - rho * (1- (1 + alpha)^(tau))/(1 - (1 + alpha)))
}

由于这是一个简单的数值运算，我原本期望Rcpp（funcCpp和funcCpp2）比编译的字节R（func1c和func2c快得多），特别是因为R会有更多的开销来存储(1+alpha)**tau或需要重新计算它。事实上，计算这个指数两次似乎比R中的内存分配更快（func1c vs func2c），这似乎特别违反直觉，因为n很大。我的另一个猜测是，可能compiler::cmpfun正在扯掉一些魔法，但我想知道是否确实如此。

所以，我真正想知道的两件事是：

为什么funcCpp和funcCpp2比func1c和func2c慢？（Rcpp比编译的R函数慢）
为什么funcCpp比func2慢？（Rcpp代码比纯R慢）

FWIW，这是我的C ++和R版本数据

user% g++ --version
Configured with: --prefix=/Library/Developer/CommandLineTools/usr --with-gxx-include-dir=/usr/include/c++/4.2.1
Apple LLVM version 7.0.0 (clang-700.0.72)
Target: x86_64-apple-darwin14.3.0
Thread model: posix

user% R --version
R version 3.2.2 (2015-08-14) -- "Fire Safety"
Copyright (C) 2015 The R Foundation for Statistical Computing
Platform: x86_64-apple-darwin14.5.0 (64-bit)

这里是R和Rcpp代码：

library(Rcpp)
library(rbenchmark)

func1 <- function(alpha, tau, rho, phi) {
    abs((1 + alpha)^(tau) * phi - rho * (1- (1 + alpha)^(tau))/(1 - (1 + alpha)))
}

func2 <- function(alpha, tau, rho, phi) {
    pval <- (alpha + 1)^(tau)
    abs( pval * phi - rho * (1- pval)/(1 - (1 + alpha)))
}

func1c <- compiler::cmpfun(func1)
func2c <- compiler::cmpfun(func2)

func3c <- Rcpp::cppFunction('
    double funcCpp(double alpha, int tau, double rho, double phi) {
        double pow_val = std::exp(tau * std::log(alpha + 1.0));
        double pAg = rho/alpha;
        return std::abs(pow_val * (phi -  pAg) + pAg);
    }')

func4c <- Rcpp::cppFunction('
    double funcCpp2(double alpha, int tau, double rho, double phi) {
        double pow_val = pow(alpha + 1.0, tau) ;
        double pAg = rho/alpha;
        return std::abs(pow_val * (phi -  pAg) + pAg);
    }')

res <- benchmark(
           func1(0.01, 200, 100, 1000000),
           func1c(0.01, 200, 100, 1000000),
           func2(0.01, 200, 100, 1000000),
           func2c(0.01, 200, 100, 1000000),
           func3c(0.01, 200, 100, 1000000),
           func4c(0.01, 200, 100, 1000000),
           funcCpp(0.01, 200, 100, 1000000),
           funcCpp2(0.01, 200, 100, 1000000),
           replications = 100000,
           order='relative',
           columns=c("test", "replications", "elapsed", "relative"))

这是rbenchmark的输出：

                             test replications elapsed relative
   func1c(0.01, 200, 100, 1e+06)       100000   0.349    1.000
   func2c(0.01, 200, 100, 1e+06)       100000   0.372    1.066
 funcCpp2(0.01, 200, 100, 1e+06)       100000   0.483    1.384
   func4c(0.01, 200, 100, 1e+06)       100000   0.509    1.458
    func2(0.01, 200, 100, 1e+06)       100000   0.510    1.461
  funcCpp(0.01, 200, 100, 1e+06)       100000   0.524    1.501
   func3c(0.01, 200, 100, 1e+06)       100000   0.546    1.564
    func1(0.01, 200, 100, 1e+06)       100000   0.549    1.573K

Answer 1

这基本上是一个不合适的问题。当你提出

func1 <- function(alpha, tau, rho, phi) {
     abs((alpha + 1)^(tau) * phi - rho * (1- (1 + alpha)^(tau))/(1 - (1 + alpha)))
}

甚至没有指定参数是什么（即标量？向量？大？小？内存开销）然后你可以在最好的情况下直接从解析的表达式中获得一小组（基本的，有效的）函数调用。 / p>

自从我们有了字节编译器以来，Luke Tierney在随后的R版本中对其进行了改进，我们已经知道它可以很好地完成代数表达式。

现在，编译的C / C ++代码也做得很好 - 但是调用编译的男女同校将会有开销，你在这里看到的是＆＃34; rtivial够＆＃34;问题，开销并没有真正摊销。

所以你最终得到了很多平局。据我所知，并不奇怪。

为什么这个Rcpp代码慢于字节编译R？

1 个答案: