performance - 了解 Clojure 转换器性能

Question

在较高的层次上，我理解使用转换器不会创建任何中间数据结构，而通过 ->> 产生一长串操作。确实如此，因此换能器方法的性能更高。这在我下面的一个例子中被证明是正确的。但是，当我添加 clojure.core.async/chan 时我没有得到我期望的相同性能改进。显然有些东西我不明白，我希望得到解释。

(ns dev
  (:require [clojure.core.async :as async]

            [criterium.core :as crit]))

;; Setup some toy data.
(def n 1e6)
(def data (repeat n "1"))


;; Reusable thread-last operation (the "slower" one).
(defn tx [x]
  (->> x
       (map #(Integer. %))
       (map inc) (map inc) (map inc) (map inc) (map inc) (map inc)
       (map inc) (map inc) (map inc) (map inc) (map inc)))

;; Reusable transducer (the "faster" one).
(def xf (comp
          (map #(Integer. %))
          (map inc) (map inc) (map inc) (map inc) (map inc) (map inc)
          (map inc) (map inc) (map inc) (map inc) (map inc)))

;; For these first two I expect the second to be faster and it is.
(defn nested []
  (last (tx data)))

(defn into-xf []
  (last (into [] xf data)))

;; For the next two I again expect the second to be faster but it is NOT.
(defn chan-then-nested []
  (let [c (async/chan n)]
    (async/onto-chan! c data)
    (->> c
         (async/into [])
         async/<!!
         tx
         last)))

(defn chan-xf []
  (let [c (async/chan n xf)]
    (async/onto-chan! c data)
    (->> c
         (async/into [])
         async/<!!
         last)))

(comment

  (crit/quick-bench (nested)) ; 1787.672 ms
  (crit/quick-bench (into-xf)) ; 822.8626 ms
  (crit/quick-bench (chan-then-nested)) ; 1535.628 ms
  (crit/quick-bench (chan-xf)) ; 2072.626 ms

  ;; Expected ranking fastest to slowest
  ;; into-xf
  ;; nested
  ;; chan-xf
  ;; chan-then-nested

  ;; Actual ranking fastest to slowest
  ;; into-xf
  ;; chan-then-nested
  ;; nested
  ;; chan-xf

  )

最后有两个结果我不明白。首先，为什么使用带有 channel 的传感器比从 channel 读取所有内容然后进行嵌套映射慢？看起来，使用带有 channel 的换能器的“开销”或其他任何东西要慢得多，以至于它压倒了不创建中间数据结构的 yield 。其次，这个真的出乎意料，为什么把数据放到一个 channel 上然后取下来然后使用嵌套映射技术比不做 channel 舞只使用嵌套映射技术更快？ (说得更短，为什么 chan-then-nested 比 nested 快？)这一切可能只是基准测试或随机性的产物吗？ (我已经为每个这些都运行了几次 quick-bench，结果相同。)我想知道它是否与 into 有关。调用 transduce而在 channel 版本中根本没有以相同的方式实现。转换器提供了相同的界面来应用跨向量或 channel 的转换，但应用转换的方式不同；而这种差异决定了一切。

Answer 1

关于你的方法的一些评论:

拥有一个缓冲区大小为 100 万的 channel 是非常不寻常的。我不希望从这种用法得出的基准对现实世界的程序有很大的适用性。只需使用大小为 1 的缓冲区。这足以让此应用程序成功，并且更接近真实世界的使用情况。

没必要挑这么大的n .如果您的函数运行得更快，则标准可以采集更多样本，从而更准确地估计其平均时间。 n=100 足够了。

进行这些更改后，这是我看到的基准数据:

Evaluation count : 14688 in 6 samples of 2448 calls.
             Execution time mean : 39.978735 µs
    Execution time std-deviation : 1.238587 µs
   Execution time lower quantile : 38.870558 µs ( 2.5%)
   Execution time upper quantile : 41.779784 µs (97.5%)
                   Overhead used : 10.162171 ns
Evaluation count : 20094 in 6 samples of 3349 calls.
             Execution time mean : 30.557295 µs
    Execution time std-deviation : 562.641738 ns
   Execution time lower quantile : 29.936152 µs ( 2.5%)
   Execution time upper quantile : 31.330094 µs (97.5%)
                   Overhead used : 10.162171 ns
Evaluation count : 762 in 6 samples of 127 calls.
             Execution time mean : 740.642963 µs
    Execution time std-deviation : 176.879454 µs
   Execution time lower quantile : 515.588780 µs ( 2.5%)
   Execution time upper quantile : 949.109898 µs (97.5%)
                   Overhead used : 10.162171 ns

Found 2 outliers in 6 samples (33.3333 %)
    low-severe   1 (16.6667 %)
    low-mild     1 (16.6667 %)
 Variance from outliers : 64.6374 % Variance is severely inflated by outliers
Evaluation count : 816 in 6 samples of 136 calls.
             Execution time mean : 748.782942 µs
    Execution time std-deviation : 7.157018 µs
   Execution time lower quantile : 740.139618 µs ( 2.5%)
   Execution time upper quantile : 756.102312 µs (97.5%)
                   Overhead used : 10.162171 ns

关键要点是:

异步开销在实际处理时间中占主导地位。两个 channel 版本都比非 channel 版本慢得多，所以我们不再需要担心“为什么把整个东西放到一个 channel 然后再取下来会更快”。

chan-then-nested的区别和 chan-xf比你的版本小得多。 chan-xf仍然有点慢，但很容易在一个标准偏差内:并不是一个了不起的结果。