Rcpp 函数比 Rf_eval 慢

Question

我一直在研究一个包，它使用 Rcpp 在一组大型医学影像文件上应用任意 R 代码。我注意到我的 Rcpp 实现比原来的纯 C 版本慢得多。我追踪了通过 Function 调用函数与原始 Rf_eval 的区别。我的问题是为什么会出现接近 4 倍的性能下降，有没有办法加快函数调用的速度，使性能更接近 Rf_eval？

例子:

library(Rcpp)                                                                                                                                                          
library(inline)                                                                                                                                                        
library(microbenchmark)                                                                                                                                                

cpp_fun1 <-                                                                                                                                                            
  '                                                                                                                                                                    
Rcpp::List lots_of_calls(Function fun, NumericVector vec){                                                                                                             
  Rcpp::List output(1000);                                                                                                                                             
  for(int i = 0; i < 1000; ++i){                                                                                                                                       
    output[i] = fun(NumericVector(vec));                                                                                                                               
  }                                                                                                                                                                    
  return output;                                                                                                                                                       
}                                                                                                                                                                      
'                                                                                                                                                                      

cpp_fun2 <-                                                                                                                                                            
  '                                                                                                                                                                    
Rcpp::List lots_of_calls2(SEXP fun, SEXP env){                                                                                                                         
  Rcpp::List output(1000);                                                                                                                                             
  for(int i = 0; i < 1000; ++i){                                                                                                                                       
    output[i] = Rf_eval(fun, env);                                                                                                                                     
  }                                                                                                                                                                    
  return output;                                                                                                                                                       
}                                                                                                                                                                      
'                                                                                                                                                                      

lots_of_calls <- cppFunction(cpp_fun1)                                                                                                                                 
lots_of_calls2 <- cppFunction(cpp_fun2)                                                                                                                                

microbenchmark(lots_of_calls(mean, 1:1000),                                                                                                                            
               lots_of_calls2(quote(mean(1:1000)), .GlobalEnv))

结果

Unit: milliseconds
                                            expr      min       lq     mean   median       uq      max neval
                     lots_of_calls(mean, 1:1000) 38.23032 38.80177 40.84901 39.29197 41.62786 54.07380   100
 lots_of_calls2(quote(mean(1:1000)), .GlobalEnv) 10.53133 10.71938 11.08735 10.83436 11.03759 18.08466   100

Answer 1

Rcpp 很棒，因为它让程序员看起来干净 荒谬。清洁度以模板化响应的形式和一组降低执行时间的假设为代价。但是，通用代码设置与特定代码设置就是这种情况。

以 Rcpp::Function 的调用路由为例.初始构造以及随后对 Rf_reval 修改版本的外部调用需要特殊的 Rcpp 特定 eval 函数，在 Rcpp_eval.h 中给出。 .反过来，此函数包含在保护中，以防止在通过 Shield 调用 R 时出现函数错误。与之相关。等等……

相比之下，Rf_eval 两者都没有。如果它失败了，你将在没有桨的情况下逆流而上。 (当然，除非您通过 R_tryEval implement error catching 获取它。)

话虽这么说，加速计算的最佳方法是简单地用 C++ 编写计算所需的所有内容。