Julia 代码性能优化
代码性能优化
以下几节将描述一些提高 Julia 代码运行速度的技巧。
避免全局变量
全局变量的值、类型，都可能变化。这使得编译器很难优化使用全局变量的代码。应尽量使用局部变量，或者把变量当做参数传递给函数。
对性能至关重要的代码，应放入函数中。
声明全局变量为常量可以显著提高性能：
const DEFAULT_VAL = 0使用非常量的全局变量时，最好在使用时指明其类型，这样也能帮助编译器优化：
global x
y = f(x::Int + 1)写函数是一种更好的风格，这会产生更多可重复和清晰的代码，也包括清晰的输入和输出。
使用 @time 来衡量性能并且留心内存分配
衡量计算性能最有用的工具是 @time 宏。下面的例子展示了良好的使用方式 :
julia> function f(n)
s = 0
for i = 1:n
s += i/2
end
s
end
f (generic function with 1 method)
julia> @time f(1)
elapsed time: 0.008217942 seconds (93784 bytes allocated)
0.5
julia> @time f(10^6)
elapsed time: 0.063418472 seconds (32002136 bytes allocated)
2.5000025e11在第一次调用时 (@time f(1)), f 会被编译. (如果你在这次会话中还 没有使用过 @time, 计时函数也会被编译.) 这时的结果没有那么重要. 在 第二次调用时, 函数打印了执行所耗费的时间, 同时请注意, 在这次执行过程中 分配了一大块的内存. 相对于函数形式的 tic 和 toc, 这是
@time 宏的一大优势.
出乎意料的大块内存分配往往意味着程序的某个部分存在问题, 通常是关于类型 稳定性. 因此, 除了关注内存分配本身的问题, 很可能 Julia 为你的函数生成 的代码存在很大的性能问题. 这时候要认真对待这些问题并遵循下面的一些个建 议.
另外, 作为一个引子, 上面的问题可以优化为无内存分配 (除了向 REPL 返回结 果), 计算速度提升 30 倍 ::
julia> @time f_improved(10^6)
elapsed time: 0.00253829 seconds (112 bytes allocated)
2.5000025e11你可以从下面的章节学到如何识别 f 存在的问题并解决。
在有些情况下, 你的函数可能需要为本身的操作分配内存, 这样会使得问题变得 复杂. 在这种情况下, 可以考虑使用下面的 :ref:工具 之一来甄别问题, 或者将函数拆分, 一部分处理内存分配, 另一部分处理算法 (参见 :ref:预分配内存）。
工具
Julia 提供了一些工具包来鉴别性能问题所在 :
- profiling)可以用来衡量代码的性能, 同时鉴别出瓶颈所在。对于复杂的项目, 可以使用
ProfileView扩展包来直观的展示分析结果. - 出乎意料的大块内存分配, --
@time, @allocated, 或者 -profiler - 意味着你的代码可能存在问题. 如果你看不出内存分配的问题, -那么类型系统可能存在问题. 也可以使用 --track-allocation=user 来 -启动 Julia, 然后查看*.mem 文件来找出内存分配是在哪里出现的. -
TypeCheck_ 扩展包可以指出程序一 些问题.
避免包含一些抽象类型参数
当运行参数化类型时候，比如 arrays，如果有可能最好去避免使用抽象类型参数。 思考下面的代码：
a = Real[] # typeof(a) = Array{Real,1}
if (f = rand()) x = [1 2; 3 4]
2x2 Array{Int64,2}:
1 2
3 4
julia> x[:]
4-element Array{Int64,1}:
1
3
2
4 这种给数组排序的约定在许多语言中都是常见的，比如 Fortran ， Matlab ，和 R 语言(举几个例子来说)。以列为主序的另一选择就是以行为主序，其它语言中的 C 语言和 Python 语言(numpy)就是选用了这种方式。记住数组的顺序对数组的查找有着至关重要的影响。要记住的一个查找规则就是对于基于列为顺序的数组，第一个指针是变化最快的。这基本上就意味着如果在一段代码中，循环指针是第一个，那么查找速度会更快。
我们来看一下下面这个人为的例子。假设我们想要实现一个功能，接收一个 Vector 并且返回一个方形的 Matrix，且行或列为输入矢量的复制。我们假设是行还是列为数据的复制并不重要（或许剩下的代码可以相应地更容易的适应）。我们可以想到有至少四种方法可以实现这一点（除了建议的回访正建的 repmat 功能）：
function copy_cols{T}(x::Vector{T})
n = size(x, 1)
out = Array(eltype(x), n, n)
for i=1:n
out[:, i] = x
end
out
end
function copy_rows{T}(x::Vector{T})
n = size(x, 1)
out = Array(eltype(x), n, n)
for i=1:n
out[i, :] = x
end
out
end
function copy_col_row{T}(x::Vector{T}) n = size(x, 1)
out = Array(T, n, n)
for col=1:n, row=1:n
out[row, col] = x[row]
end
out
end
function copy_row_col{T}(x::Vector{T}) n = size(x, 1)
out = Array(T, n, n)
for row=1:n, col=1:n
out[row, col] = x[col]
end
out
end 现在我们使用同样的输入向量 1 产生的随机数 10000 给每个功能计时：
julia> x = randn(10000);
julia> fmt(f) = println(rpad(string(f)*": ", 14, ' '), @elapsed f(x))
julia> map(fmt, {copy_cols, copy_rows, copy_col_row, copy_row_col});
copy_cols: 0.331706323
copy_rows: 1.799009911
copy_col_row: 0.415630047
copy_row_col: 1.721531501 注意到 copy_cols 比copy_rows快很多。这是意料之中的，因为 copy_cols 遵守 Matrix`界面的基于列的存储，并且一次就填满一列。除此之外，copy_col_row比 copy_row_col 快很多，因为它符合我们的查找规则，即在一段代码中第一个出现的元素应该是与最内部的循环相联系的。
输出预先分配
如果你的功能返回了一个 Array 或其它复杂类型，它可能不得不分配内存。不幸的是，时常分配和它的相反事件，垃圾区收集，是有实质性瓶颈的。
有时候，你可以在访问每个功能时通过预先分配输出来避开分配内存的需要。作为一个很小的例子，比较一下
function xinc(x)
return [x, x+1, x+2]
end
function loopinc()
y = 0
for i = 1:10^7
ret = xinc(i)
y += ret[2]
end y
end和
function xinc!{T}(ret::AbstractVector{T}, x::T)
ret[1] = x
ret[2] = x+1
ret[3] = x+2
nothing
end
function loopinc_prealloc()
ret = Array(Int, 3)
y = 0
for i = 1:10^7
xinc!(ret, i)
y += ret[2]
end
y
end 计时结果：
julia> @time loopinc()
elapsed time: 1.955026528 seconds (1279975584 bytes allocated)
50000015000000
julia> @time loopinc_prealloc()
elapsed time: 0.078639163 seconds (144 bytes allocated)
50000015000000 预先分配有其他好处，比如，允许访问者通过算法控制“输出”类型。在上面的例子中，我们可以按照自己希望的，通过一个SubArray 而不是 Array。
按着最极端的来想，预先分配可以让你的代码看起来丑点，所以需要一些表达方式和判断。
避免输入/输出时的串插入
把数据写入文件（或者其他输入/输出设备）时，中间字符串的形成是额外的开销。而不是：
println(file, "$a $b")使用：
println(file, a, " ", b) 第一种代码形成了一个字符串，然后把它写入了文件，而第二种代码直接把值写入了文件。同样也注意到在某些情况下，字符串的插入很难读出来。考虑一下：
println(file, "$(f(a))$(f(b))")对比：
println(file, f(a), f(b))处理有关舍弃的警告
被舍弃的函数，会查表并显示一次警告，而这会影响性能。建议按照警告的提示进行对应的修改。
小技巧
注意些有些小事项，能使内部循环更紧致。
- 避免不必要的数组。例如，不要使用
sum([x,y,z])，而应使用 x+y+z - 对于较小的整数幂，使用
* 更好。如 x*x*x 比 x^3 好 - 针对复数
z ，使用 abs2(z)代替 abs(z)^2。一般情况下，对于复数参数，尽量用 abs2 代替 abs - 对于整数除法，使用
div(x,y) 而不是 trunc(x/y), 使用 fld(x,y) 而不是 floor(x/y), 使用 cld(x,y) 而不是 ceil(x/y).
性能注释
有时你可以设定某些项目属性来获得更好的优化。
- 在检查公式时，使用
@inbounds来消除数组界限。一定要在这之前完成。如果下标越界了，你可能会遇到崩溃或不执行的问题。 - 在
for循环之前写上 @simd，这个可以帮你检验。这个特征是试验性的而且在之后的 Julia 版本中可能会改变会消失。
这里有一个包含两种形式审定的例子：
function inner( x, y )
s = zero(eltype(x))
for i=1:length(x)
@inbounds s += x[i]*y[i]
end
s
end
function innersimd( x, y )
s = zero(eltype(x))
@simd for i=1:length(x)
@inbounds s += x[i]*y[i]
end
s
end
function timeit( n, reps )
x = rand(Float32,n)
y = rand(Float32,n)
s = zero(Float64)
time = @elapsed for j in 1:reps
s+=inner(x,y)
end
println("GFlop = ",2.0*n*reps/time*1E-9)
time = @elapsed for j in 1:reps
s+=innersimd(x,y)
end
println("GFlop (SIMD) = ",2.0*n*reps/time*1E-9)
end
timeit(1000,1000) 在配有 2.4GHz 的 Intel Core i5 处理器的电脑上，产生如下结果：
GFlop = 1.9467069505224963
GFlop (SIMD) = 17.578554163920018 @simd for 循环应该是一维范围的。缩减变数是用于累积变量的，比如例子中的 s。通过使用 @simd，你可以维护循环的几种性能：
- -有缩减变数的特殊考虑后，在任意的或重叠的顺序中执行迭代都是安全的。
- 减少变量的浮点操作可以被重复执行，但是可能会比没有
@simd 产生不同的结果。 - 不会有一个迭代在等待另一个迭代，以实现前进。
使用 @simd 仅仅是给了编译器矢量化的通行证。它是不是真的会这样做还取决于编译器。要真正从当前的实现中获益，你的循环应该有如下额外的性能：
- 循环必须是内部循环。
- 循环主题必须是无循环程序。这就是为什么当前所有的数组访问都需要
@inbounds的原因了。 - 访问必须有一个跨越模式，而且不能“聚集”（随机指针读取）或者“分散”（随机指针写入）。
- 跨越应该是单元跨越。
- 在一些简单的例子中，例如一个 2-3 数组访问的循环中，LLVM 自动矢量化可能会自动生效，导致无需
@simd 的进一步加速。