转载

【译】如何百倍加速 Lo-Dash?引入惰性计算

我一直以为像 Lo-Dash 这样的库已经不能再快了,毕竟它们已经足够快了。

Lo-Dash 几乎完全混合了各种 JavaScript 奇技淫巧 (YouTube)来压榨出最好的性能。

惰性计算

但似乎我错了 - 其实 Lo-Dash 可以运行的更快。

你需要做的是,停止思考那些细微的优化,并开始找出更加适用的算法。

例如,在一个典型的循环中,我们往往倾向于去优化单次迭代的时间:

var len = getLength(); for(var i = 0; i < len; i++) {     operation(); // <- 10毫秒 - 如何优化到9毫秒?! }

代码说明:取得数组的长度,然后重复执行 N 遍 operation() 函数。译注 by @justjavac

但是,这(优化 operation() 执行时间)往往很难,而且对性能提升也非常有限。

相反,在某些情况下,我们可以优化 getLength() 函数。

它返回的数字越小,则每个 10 毫秒循环的执行次数就越少。

这就是 Lo-Dash 使用惰性计算的思想。

这是减少周期数,而不是减少每个周期的执行时间。

让我们看看下面的例子:

function priceLt(x) {    return function(item) { return item.price < x; }; } var gems = [    { name: 'Sunstone', price: 4  },    { name: 'Amethyst', price: 15 },    { name: 'Prehnite', price: 20 },    { name: 'Sugilite', price: 7  },    { name: 'Diopside', price: 3  },     { name: 'Feldspar', price: 13 },    { name: 'Dioptase', price: 2  },     { name: 'Sapphire', price: 20 } ];  var chosen = _(gems).filter(priceLt(10)).take(3).value();

代码说明: gems 保存了 8 个对象,名字和价格。 priceLt(x) 函数返回价格低于 x 的所有元素。译注 by @justjavac

我们把价格低于 10 美元的前 3 个 gems 找出来。

常规 Lo-Dash 方法(严格计算)是过滤所有 8 个 gems ,然后返回过滤结果的前 3 个。

【译】如何百倍加速 Lo-Dash?引入惰性计算

不难看出来,这种算法是不明智的。

它处理了所有的 8 个元素,而实际上我们只需要读取其中的 5 个元素就能得到我们想要的结果。

与此相反,使用惰性计算算法,只需要处理能得到结果的最少数量就可以了。

如图所示:

【译】如何百倍加速 Lo-Dash?引入惰性计算

我们轻而易举就获得了 37.5% 的性能提升。

但是这还不是全部,其实很容易找到能获得 1000 倍以上性能提升的例子。

让我们一起来看看:

// 99,999 张照片 var phoneNumbers = [5554445555, 1424445656, 5554443333, … ×99,999];  // 返回包含 "55" 的照片 function contains55(str) {     return str.contains("55");  };  // 取 100 张包含 "55" 的照片 var r = _(phoneNumbers).map(String).filter(contains55).take(100);

在这个例子中, mapfilter 用来处理 99,999 个元素。

不过我们只需要它的一个子集就可以得到想要的结果了,例如 10,000 个,

性能提升也是非常大的( 基准测试 ):

【译】如何百倍加速 Lo-Dash?引入惰性计算

Pipelining

惰性计算带来了另一个好处,我称之为 "Pipelining"。

它可以避免链式方法执行期间创建中间数组。

取而代之,我们在单个元素上执行所有操作。

所以,下面的代码:

var result = _(source).map(func1).map(func2).map(func3).value();

将大致翻译为如下的常规 Lo-Dash(严格计算)

var result = [], temp1 = [], temp2 = [], temp3 = [];  for(var i = 0; i < source.length; i++) {    temp1[i] = func1(source[i]); }  for(i = 0; i < source.length; i++) {    temp2[i] = func2(temp1[i]); }  for(i = 0; i < source.length; i++) {    temp3[i] = func3(temp2[i]); } result = temp3;

如果我们使用惰性计算,它会像下面这样执行:

var result = []; for(var i = 0; i < source.length; i++) {    result[i] = func3(func2(func1(source[i]))); }

不使用临时数组可以给我们带来非常显著的性能提升,特别是当源数组非常大时,内存访问是昂贵的资源。

延迟执行

和惰性计算一起使用的是延迟执行。

当你创建一个链,我们并不立即计算它的值,直到 .value() 被显式或者隐式地调用。

这种方法有助于先准备一个查询,随后我们使用最新的数据来执行它。

var wallet = _(assets).filter(ownedBy('me'))                       .pluck('value')                       .reduce(sum);  $json.get("/new/assets").success(function(data) {     assets.push.apply(assets, data); // 更新我的资金     wallet.value(); // 返回我钱包的最新的总额 });

在某些情况下,这样做也可以加速执行时间。我们可以在前期创建复杂的查询,然后当时机成熟时再执行它。

Wrap up

懒惰计算并不是行业里的新理念。它已经包含在了许多库里面,例如 LINQ 、 Lazy.js 等等。我相信 Lo-Dash 和这些库最主要的区别是,你可以在一个更新的、更强大的引擎里面使用原有的 Underscore API。不需要学习新的库,不需要修改代码,只是简单升级。

但是,即使你不打算使用 Lo-Dash,我希望这篇文章启发了你。

现在,当你发现你的应用程序存在性能瓶颈,不要仅仅是去 jsperf.com 以 try/fail 风格优化它。

而是去喝杯咖啡,并开始考虑算法。

最重要的是创意,但良好的数学背景会让你如鱼得水( book )。祝你好运!

正文到此结束
Loading...