proc.time() 的更快替代方法？
[英]Faster alternative to proc.time()?
问题描述
I maintain an R package that records the runtimes of many commands, and I am noticing some overhead due to proc.time() .
我维护了一个 R 包，它记录了许多命令的运行时，我注意到由于proc.time()导致的一些开销。 Is there a faster alternative?有没有更快的选择？ I only need to measure things in terms of elapsed time, and I am okay with low precision.我只需要根据经过的时间来衡量事物，并且我的精度很低。
This example workflow shows the overhead of proc.time() to be around 14% of the total runtime on my machine. 此示例工作流显示proc.time()的开销约为我机器上总运行时间的 14%。
To confirm what I saw, I temporarily removed most of that overhead by deleting this line and replacing this line with a fixed outdated time stamp.为了确认我所看到的，我通过删除此行并用固定的过时时间戳替换此行来暂时消除大部分开销。
Individual calls to proc.time() are themselves quite fast, but in my case, they add up.对proc.time()单独调用本身非常快，但在我的情况下，它们加起来。
microbenchmark::microbenchmark(
proc.time()
)
#> Unit: microseconds
#> expr min lq mean median uq max neval
#> proc.time() 1.481 1.494 1.63657 1.501 1.546 11.744 100
Created on 2019-11-22 by the reprex package (v0.3.0)由reprex 包(v0.3.0) 于 2019 年 11 月 22 日创建
Session info会话信息
devtools::session_info()
#> ─ Session info ───────────────────────────────────────────────────────────────
#> setting value
#> version R version 3.6.1 (2019-07-05)
#> os macOS Mojave 10.14.6
#> system x86_64, darwin15.6.0
#> ui X11
#> language (EN)
#> collate en_US.UTF-8
#> ctype en_US.UTF-8
#> tz America/Indiana/Indianapolis
#> date 2019-11-22
#>
#> ─ Packages ───────────────────────────────────────────────────────────────────
#> package * version date lib source
#> assertthat 0.2.1 2019-03-21 [1] CRAN (R 3.6.0)
#> backports 1.1.5 2019-10-02 [1] CRAN (R 3.6.1)
#> callr 3.3.2 2019-09-22 [1] CRAN (R 3.6.0)
#> cli 1.9.9.9000 2019-11-19 [1] Github (r-lib/cli@24a9bd8)
#> crayon 1.3.4 2017-09-16 [1] CRAN (R 3.6.0)
#> desc 1.2.0 2019-08-19 [1] Github (r-lib/desc@c860e7b)
#> devtools 2.2.1 2019-09-24 [1] CRAN (R 3.6.0)
#> digest 0.6.22 2019-10-21 [1] CRAN (R 3.6.1)
#> ellipsis 0.3.0 2019-09-20 [1] CRAN (R 3.6.0)
#> evaluate 0.14 2019-05-28 [1] CRAN (R 3.6.0)
#> fansi 0.4.0 2018-10-05 [1] CRAN (R 3.6.0)
#> fs 1.3.1 2019-05-06 [1] CRAN (R 3.6.0)
#> glue 1.3.1 2019-03-12 [1] CRAN (R 3.6.0)
#> highr 0.8 2019-03-20 [1] CRAN (R 3.6.0)
#> hms 0.5.2 2019-10-30 [1] CRAN (R 3.6.0)
#> htmltools 0.4.0 2019-10-04 [1] CRAN (R 3.6.0)
#> knitr 1.26 2019-11-12 [1] CRAN (R 3.6.1)
#> magrittr 1.5 2014-11-22 [1] CRAN (R 3.6.0)
#> memoise 1.1.0 2017-04-21 [1] CRAN (R 3.6.0)
#> microbenchmark 1.4-7 2019-09-24 [1] CRAN (R 3.6.0)
#> pillar 1.4.2.9001 2019-08-19 [1] Github (r-lib/pillar@82370d7)
#> pkgbuild 1.0.6 2019-10-09 [1] CRAN (R 3.6.0)
#> pkgconfig 2.0.3 2019-09-22 [1] CRAN (R 3.6.1)
#> pkgload 1.0.2 2018-10-29 [1] CRAN (R 3.6.0)
#> prettyunits 1.0.2 2015-07-13 [1] CRAN (R 3.6.0)
#> processx 3.4.1 2019-07-18 [1] CRAN (R 3.6.0)
#> progress 1.2.2 2019-05-16 [1] CRAN (R 3.6.0)
#> ps 1.3.0 2018-12-21 [1] CRAN (R 3.6.0)
#> R6 2.4.1 2019-11-12 [1] CRAN (R 3.6.1)
#> Rcpp 1.0.3 2019-11-08 [1] CRAN (R 3.6.0)
#> remotes 2.1.0 2019-06-24 [1] CRAN (R 3.6.0)
#> rlang 0.4.1 2019-10-24 [1] CRAN (R 3.6.1)
#> rmarkdown 1.17 2019-11-13 [1] CRAN (R 3.6.0)
#> rprojroot 1.3-2 2018-01-03 [1] CRAN (R 3.6.0)
#> sessioninfo 1.1.1 2018-11-05 [1] CRAN (R 3.6.0)
#> stringi 1.4.3 2019-03-12 [1] CRAN (R 3.6.0)
#> stringr 1.4.0 2019-02-10 [1] CRAN (R 3.6.0)
#> testthat 2.3.0 2019-11-05 [1] CRAN (R 3.6.0)
#> tibble 2.1.3 2019-06-06 [1] CRAN (R 3.6.0)
#> usethis 1.5.1.9000 2019-08-12 [1] Github (r-lib/usethis@b241420)
#> vctrs 0.2.0 2019-07-05 [1] CRAN (R 3.6.0)
#> withr 2.1.2 2018-03-15 [1] CRAN (R 3.6.0)
#> xfun 0.11 2019-11-12 [1] CRAN (R 3.6.1)
#> yaml 2.2.0 2018-07-25 [1] CRAN (R 3.6.0)
#> zeallot 0.1.0 2018-01-28 [1] CRAN (R 3.6.0)
#>
#> [1] /Library/Frameworks/R.framework/Versions/3.6/Resources/library
Edit: get_nanotime()编辑： get_nanotime()
The microbenchmark package has a get_nanotime() function, but it is slower than proc.time() on my machine. microbenchmark包有一个get_nanotime()函数，但它比我机器上的proc.time()慢。
microbenchmark::microbenchmark(
microbenchmark::get_nanotime(),
proc.time()
)
#> Unit: microseconds
#> expr min lq mean median uq max neval
#> microbenchmark::get_nanotime() 5.354 5.5925 6.17782 5.7895 5.937 43.305 100
#> proc.time() 1.490 1.5385 1.78394 1.7505 1.873 8.025 100
Created on 2019-11-22 by the reprex package (v0.3.0)由reprex 包(v0.3.0) 于 2019 年 11 月 22 日创建
1 个解决方案
解决方案1
1 已采纳 2019-11-23 06:34:09
There are alternatives to base R's proc.time() function.有一些替代基础 R 的proc.time()函数。 Two packages that have similar functions are两个功能相似的包是
microbenchmark, functionget_nanotime().microbenchmark，函数get_nanotime()-
bench, functionhires_time()bench，函数hires_time()
In this comment to the question the OP says that it is在对这个问题的评论中，OP 说它是
Confirmed:
hires_time()is > 10x faster on the Mac and Linux machines I have tried.hires_time()速度提高了 10 倍以上。
The tests below were run with R 3.6.1 on Ubuntu 19.04 and the results are not so drastic but bench::hires_time is the fastest of the three.下面的测试是在 Ubuntu 19.04 上使用 R 3.6.1 运行的，结果不是那么剧烈，但bench::hires_time是三个中最快的。
library(bench)
library(microbenchmark)
mb <- microbenchmark(
microb = get_nanotime(),
bench = hires_time(),
Rbase = proc.time()
)
print(mb, order = 'median')
#Unit: microseconds
# expr min lq mean median uq max neval cld
# bench 1.107 1.1690 2.03060 1.2320 1.2755 80.835 100 a
# microb 2.006 2.0435 2.46541 2.1200 2.1750 35.431 100 a
# Rbase 2.517 2.6520 2.87621 2.7085 2.7840 16.246 100 a
ggplot2::autoplot(mb)
声明:本站的技术帖子网页，遵循CC BY-SA 4.0协议，如果您需要转载，请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.