使用数组访问的循环在Julia中速度较慢

我对具有和不具有阵列访问的循环进行了如下比较，发现两者之间的性能差异很大：1.463677[秒]与0.086808[秒]

你能解释一下如何通过数组访问来改进我的代码，以及为什么会发生这种情况吗

@inline dist2(p, q) = sqrt((p[1]-q[1])^2+(p[2]-q[2])^2)
function rand_gen()
    r2set = Array[]
    for i=1:10000
        r2_add = rand(2, 1)
        push!(r2set, r2_add)
    end
    return r2set
end

function test()
    N = 10000
    r2set = rand_gen()
    a = [1 1]
    b = [2 2]

    @time for i=1:N, j=1:N
        dist2(r2set[i], r2set[j])
    end

    @time for i=1:N, j=1:N
        dist2(a, b)
    end
end
test()

---

使

r2set

具有如下具体类型（另请参见）：

现在的测试是：

julia> test()
  0.347000 seconds
  0.147696 seconds

这已经更好了

现在，如果您确实想要速度，请使用不可变类型，例如

Tuple

而不是这样的数组：

@inline dist2(p, q) = sqrt((p[1]-q[1])^2+(p[2]-q[2])^2)
function rand_gen()
    r2set = Tuple{Float64,Float64}[]
    for i=1:10000
        r2_add = (rand(), rand())
        push!(r2set, r2_add)
    end
    return r2set
end

function test()
    N = 10000
    r2set = rand_gen()
    a = (1,1)
    b = (2,2)

    s = 0.0
    @time for i=1:N, j=1:N
        @inbounds s += dist2(r2set[i], r2set[j])
    end

    @time for i=1:N, j=1:N
        s += dist2(a, b)
    end
end
test()

您将看到两者的速度相当：

julia> test()
  0.038901 seconds
  0.039666 seconds

julia> test()
  0.041379 seconds
  0.039910 seconds

注意，我添加了一个

s

，因为如果没有它，Julia会通过注意到它不起任何作用来优化循环

---

关键在于，如果将数组存储在数组中，那么外部数组将保存指向内部数组的指针，而对于不可变类型，数据将直接存储。

Make

r2set

具有如下具体类型（另请参见）：

现在的测试是：

julia> test()
  0.347000 seconds
  0.147696 seconds

这已经更好了

现在，如果您确实想要速度，请使用不可变类型，例如

Tuple

而不是这样的数组：

@inline dist2(p, q) = sqrt((p[1]-q[1])^2+(p[2]-q[2])^2)
function rand_gen()
    r2set = Tuple{Float64,Float64}[]
    for i=1:10000
        r2_add = (rand(), rand())
        push!(r2set, r2_add)
    end
    return r2set
end

function test()
    N = 10000
    r2set = rand_gen()
    a = (1,1)
    b = (2,2)

    s = 0.0
    @time for i=1:N, j=1:N
        @inbounds s += dist2(r2set[i], r2set[j])
    end

    @time for i=1:N, j=1:N
        s += dist2(a, b)
    end
end
test()

您将看到两者的速度相当：

julia> test()
  0.038901 seconds
  0.039666 seconds

julia> test()
  0.041379 seconds
  0.039910 seconds

注意，我添加了一个

s

，因为如果没有它，Julia会通过注意到它不起任何作用来优化循环

---

关键是，如果您将数组存储在数组中，那么外部数组将保留指向内部数组的指针，而不可变类型的数据将直接存储。

更改

r2set

以具有具体类型的元素

r2set=Matrix{Float64}[]

@BogumiłKamiński你的意思是通过

r2set=rand>生成
r2set
（Float64，N，2）

并通过

r2set[i，：]

和

r2set[j，：]

访问它？我刚刚做了，花了5.705秒，这更糟糕。我猜切片会在Julia中严重恶化性能……我会给出完整的答案来解释。更改

r2set

以具有具体类型的元素

r2set=Matrix{Float64}[]

@BogumiłKamiński你是说通过

r2set=rand（Float64，N，2）

生成

r2set

并通过

r2set[i，：]和
r2set[j，：]
访问它吗？我刚刚做了，花了5.705[秒]，这更糟。我想切片会严重影响Julia的性能……我会给出一个完整的答案来解释。你知道有哪些元组库支持基本操作，比如元组的+*sqrt吗？你的意思是这样的：
x，y=（1,2）、（3,4）
。然后你可以做
x.+y
，
x.*y
，
sqrt。（x） 
等。没有任何库。是的，我是认真的。实际上，在发布了那个问题后，我发现了一个库（？）命名，这有助于使用不可变向量，我想它可以按照您在回答中的建议使用。是的-StaticArrays.jl是一个非常好的库。请注意，如果数组不像其文档中解释的那样过大，那么它将非常有用。您知道有任何Tuple库支持基本操作，例如Tuple的+*sqrt吗？您的意思是类似这样：
x，y=（1,2）、（3,4）
。然后你可以做
x.+y
，
x.*y
，
sqrt.（x）
等等。没有任何库。是的，我是认真的。实际上，在发布了那个问题之后，我发现了一个库（？）命名，这有助于使用不可变向量，我想它可以按照您在回答中的建议使用。是的-StaticArrays.jl是一个非常好的库。请注意，如果数组不像文档中解释的那样过大，那么它将非常有用。