Codul meu este lent!

Scrierea codului R eficient

Colin Gillespie

Jumping Rivers & Newcastle University

Codul meu este cu adevărat lent?

1 secundă?
1 minut?
1 oră?

Codul meu este cu adevărat lent?

Benchmarking

Construim o funcție în jurul caracteristicii pe care dorim să o evaluăm
Măsurăm timpul funcției în scenarii diferite, de ex., seturi de date

Exemplu: Secvență de numere

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

Opțiunea 1

1:n

Opțiunea 2

seq(1, n)

Opțiunea 3

seq(1, n, by = 1)

Încapsularea funcțiilor

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)

Măsurarea timpului cu 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

Timpul user este timpul CPU alocat execuției instrucțiunilor utilizatorului.
- Timpul system este timpul CPU alocat execuției realizate de sistem în numele procesului apelant.
- Timpul elapsed este aproximativ suma dintre user și system; acesta este valoarea care ne interesează de obicei.

Stocarea rezultatului

Problema cu

system.time(colon(1e8))

este că rezultatul nu este stocat. Trebuie să reexecutăm codul pentru a-l stoca:

res <- colon(1e8)

Operatorul <- realizează ambele operații:

Transmiterea argumentului
Atribuirea obiectului

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

Operatorul = realizează una dintre:

Transmiterea argumentului
Atribuirea obiectului

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

Timp relativ

Metodă	Timp absolut (sec)	Timp relativ
`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	$1.60/0.060 = 26.7$

Pachetul microbenchmark

Compară funcții
- Fiecare funcție este rulată de mai multe ori

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

Să exersăm!

Scrierea codului R eficient