从Rprof()中获取更多信息

Question

我一直在试图研究我写的一些R代码中的时间消耗点，因此我正在使用 Rprof。然而，输出结果还不是很有用：

> summaryRprof()
$by.self
                      self.time self.pct total.time total.pct
"$<-.data.frame"           2.38     23.2       2.38      23.2
"FUN"                      2.04     19.9      10.20      99.6
"[.data.frame"             1.74     17.0       5.54      54.1
"[.factor"                 1.42     13.9       2.90      28.3
...

有没有办法深入挖掘，找出哪些具体的$<-.data.frame和FUN(可能是来自by())的调用实际上是罪魁祸首？还是说我需要重新设计代码，并制作更小的功能块以获得更精细的结果？

我之所以抗拒重新设计，是因为我必须将数据结构传递到函数中，而所有传递都是按值传递，所以这似乎是朝错误的方向迈出的一步。

谢谢。

- Ken Williams

Answer 1

现有的 CRAN 包 profr 和 proftools 对此很有用。后者可以使用 Rgraphviz，但不总是可安装的。 R Wiki页面关于性能分析 有额外的信息和 Romain 的一个好脚本，也可以可视化（但需要 graphviz）。

- Dirk Eddelbuettel

---

网址失效了，也许现在应该在这里：http://rwiki.sciviews.org/doku.php?id=tips:misc:profiling。 - hhh

Answer 2

Rprof会在时间间隔内对调用堆栈进行采样 - 这是好消息。

我会获取它收集的原始堆栈样本(stackshots)，并随机挑选几个样本进行检查。我要寻找的是出现在多个样本中的调用点(不仅仅是函数，还包括一个函数调用另一个函数的位置)。例如，如果一个调用点在50%的样本中出现，则其成本为50%，因为其可能的删除将节省大约50%的总时间。(听起来很明显，对吧？但这不是众所周知的。)

并非每个代价高昂的调用点都可以优化，但有些可以，除非程序已经尽可能快了。

(不要被诸如需要查看多少样本之类的问题所分心。如果某些东西能够为您节省合理比例的时间，则它会出现在相似比例的样本中。确切的数字并不重要。重要的是您找到它。同时也不要被图形、递归、计时和计数问题所分心。重要的是，对于您看到的每个调用点，显示它的堆栈样本的比例。)

- Mike Dunlavey

Answer 3

解析Rprof生成的输出并不太难，然后您就可以访问绝对所有内容。

- hadley