正如问题标题所说,我想知道为什么使用compiler::cmpfun
编译的字节码R代码比等效的Rcpp代码在以下数学函数中更快:
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,我本来期望 Rcpp (
funcCpp
和 funcCpp2
) 比字节编译的 R (func1c
和 func2c
) 快得多,尤其是因为 R 需要更多的开销来存储 (1+alpha)**tau
或需要重新计算它。实际上,计算这个指数两次似乎比在 R 中分配内存 (func1c
vs func2c
) 更快,这似乎特别反直觉,因为 n
很大。我的另一个猜想是,也许 compiler::cmpfun
在发挥一些魔力,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 比编译后的 R 函数慢)
- 为什么 funcCpp 比 func2 慢?(Rcpp 代码比纯 R 慢)
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)
以下是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
的输出结果:
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
UN
/PROTECT
吗?我对R的C API了解甚少,但既然这些都是参数,就不需要进行保护,是吗? - Konrad RudolphPROTECT
。请参见《编写R扩展》第5.9.1节。 - Joshua UlrichallocVector
。你不需要res
变量,因为你可以将fabs
调用包装在ScalarReal
中:return ScalarReal(fabs(...));
。 - Joshua Ulrich