Můj kód je pomalý!

Efektivní kód v R

Colin Gillespie

Jumping Rivers & Newcastle University

Je můj kód skutečně pomalý?

1 sekunda?
1 minuta?
1 hodina?

Je můj kód skutečně pomalý?

Benchmarking

Kolem testované funkcionality vytvoříme funkci
Funkci změříme v různých scénářích, např. s různými datovými sadami

Příklad: Posloupnost čísel

$$ 1, 2, 3, \ldots, n $$

Možnost 1

1:n

Možnost 2

seq(1, n)

Možnost 3

seq(1, n, by = 1)

Obalení funkcí

colon <- function(n) 1:n
colon(5)

1 2 3 4 5

seq_default <- function(n) seq(1, n)
seq_by <- function(n) seq(1, n, by = 1)

Měření času pomocí system.time()

system.time(colon(1e8))

#   user  system elapsed
#  0.032   0.028   0.060

system.time(seq_default(1e8))

#   user  system elapsed
#  0.060   0.028   0.086

system.time(seq_by(1e8))

#   user  system elapsed
#  1.088   0.520   1.600

Čas user je čas CPU spotřebovaný při provádění uživatelských instrukcí.
- Čas system je čas CPU spotřebovaný systémem jménem volajícího procesu.
- Čas elapsed je přibližně součet user a system – toto číslo nás obvykle zajímá nejvíce.

Ukládání výsledku

Problém s

system.time(colon(1e8))

je, že výsledek není uložen. Je třeba kód spustit znovu a výsledek uložit:

res <- colon(1e8)

Operátor <- provádí oboje:

Předání argumentu
Přiřazení objektu

system.time(res <- colon(1e8))

Operátor = provádí jedno z:

Předání argumentu
Přiřazení objektu

# Raises an error
system.time(res = colon(1e8))

Relativní čas

Metoda	Absolutní čas (s)	Relativní čas
`colon(n)`	0.060	$0.060/0.060 = 1.00$
`seq_default(n)`	0.086	$0.086/0.060 = 1.40$
`seq_by(n)`	1.607	$1.60/0.060 = 26.7$

Balíček microbenchmark

Porovnává funkce
- Každá funkce je spuštěna vícekrát

library("microbenchmark")

n <- 1e8
microbenchmark(colon(n),
               seq_default(n),
               seq_by(n),
               times = 10) # Run each function 10 times

# Unit: milliseconds
#           expr  min   lq  mean  median   uq  max neval cld
#       colon(n)   59  130   220     202  341  391    10  a
# seq_default(n)   94  204   290     337  348  383    10  a
#      seq_by(n) 1945 2044  2260    2275 2359 2787    10   b

Pojďme procvičovat!

Efektivní kód v R