是MATLAB OOP运行缓慢还是我做错了什么？

[poster]

我正在尝试使用MATLAB OOP ，从一开始就模仿了C ++的Logger类，并将所有的字符串帮助器函数都放在String类中，认为能够执行a + b ， a == b ， a.find( b )代替strcat( ab ) ， strcmp( a, b ) ，检索strfind( a, b )第一个元素，等等。

问题：减速

我使用了上面的东西，立即注意到速度急剧下降。我做错了吗（由于我有限的MATLAB经验，这肯定是可能的），还是MATLAB的OOP只会带来很多开销？

我的测试用例

这是我对字符串所做的简单测试，基本上只是添加一个字符串，然后再次删除添加的部分：

注意：实际不要在实际代码中编写像这样的String类！ Matlab现在具有本机string数组类型，您应该使用它。

classdef String < handle .... properties stringobj = ''; end function o = plus( o, b ) o.stringobj = [ o.stringobj b ]; end function n = Length( o ) n = length( o.stringobj ); end function o = SetLength( o, n ) o.stringobj = o.stringobj( 1 : n ); end end function atest( a, b ) %plain functions n = length( a ); a = [ ab ]; a = a( 1 : n ); function btest( a, b ) %OOP n = a.Length(); a = a + b; a.SetLength( n ); function RunProfilerLoop( nLoop, fun, varargin ) profile on; for i = 1 : nLoop fun( varargin{ : } ); end profile off; profile report; a = 'test'; aString = String( 'test' ); RunProfilerLoop( 1000, @(x,y)atest(x,y), a, 'appendme' ); RunProfilerLoop( 1000, @(x,y)btest(x,y), aString, 'appendme' ); 结果

1000次迭代的总时间（以秒为单位）：

btest 0.550（使用String.SetLength 0.138，String.plus 0.065，String.Length 0.057）

验证0.015

记录器系统的结果也是如此：内部使用String类时frpintf( 1, 'test\n' )对frpintf( 1, 'test\n' )进行1000次调用需要0.1秒，对我的系统进行1000次调用需要7（！）秒（确定，它还有很多其他功能）逻辑，但要与C ++进行比较：在输出端使用std::string( "blah" )和std::cout系统开销与普通std::cout > call_nops计算机：PCWIN版本：2009b调用每个函数/方法100000次nop（）函数：0.02261秒每次调用0.23 uscnop1-5（）函数：0.02182秒每次调用0.22 uscnop（）子函数：0.02244秒每次调用0.22 usc@（）[]匿名函数：每次通话0.08461秒0.85微秒nop（obj）方法：每次调用0.24664秒2.47 uscnop1-5（obj）方法：每次调用0.23469秒2.35 uscnop（）私有函数：0.02197秒每次调用0.22 uscclassdef nop（obj）：每个调用0.90547秒9.05 usecclassdef obj.nop（）：1.75522秒17.55 usc每个调用classdef private_nop（obj）：0.84738秒8.47 usc每个调用classdef nop（obj）（m文件）：每次调用0.90560秒9.06 uscclassdef class.staticnop（）：每个调用1.16361秒11.64微秒Java nop（）：2.43035秒每个调用24.30 uscJava static_nop（）：0.87682秒8.77每次调用usecJava中的Java nop（）：0.00014秒每次调用0.00 uscMEX mexnop（）：每个通话0.11409秒1.14 uscC nop（）：0.00001秒每次调用0.00 usc R2008a到R2009b的结果相似。这是在运行32位MATLAB的Windows XP x64上。

“ Java nop（）”是在M代码循环内调用的虚无Java方法，并且每次调用都包括从MATLAB到Java的调度开销。 “ Java的Java nop（）来自Java”是在Java for（）循环中调用的同一件事，不会引起边界损失。用一点时间来了解Java和C的计时；一个聪明的编译器可以完全优化调用。

包作用域机制是新的，与classdef类几乎同时引入。它的行为可能是相关的。

一些初步的结论：

• 方法比函数慢。
• 新样式（classdef）方法比旧样式方法慢。
• 即使对于classdef对象使用相同的方法，新的obj.nop()语法也比nop(obj)语法慢。与Java对象相同（未显示）。如果要快速执行，请致电nop(obj) 。
• 在Windows上的64位MATLAB中，方法调用开销较高（约为2倍）。 （未显示。）
• MATLAB方法分派比某些其他语言慢。

说出为什么会这样只是我的猜测。 MATLAB引擎的OO内部构件不是公开的。从本质上来说，这不是一个解释还是编译的问题-MATLAB有一个JIT-但MATLAB较宽松的类型和语法可能意味着在运行时需要进行更多工作。 （例如，您不能仅从语法上确定“ f（x）”是函数调用还是数组索引；它取决于运行时工作区的状态。）这可能是因为MATLAB的类定义已绑定文件系统状态以许多其他语言没有的方式显示。

那么该怎么办？

MATLAB的一种惯用方法是通过构造类定义以使对象实例包装数组来“矢量化”代码。也就是说，其每个字段都包含并行数组（在MATLAB文档中称为“平面”组织）。与其拥有一个对象数组，而不是每个对象都具有标量值的字段，不如定义对象本身就是数组，并让方法将数组作为输入，并对字段和输入进行矢量化调用。这减少了方法调用的数量，希望足以使调度开销不会成为瓶颈。

在MATLAB中模仿C ++或Java类可能不是最佳选择。 Java / C ++类通常是这样构建的，即对象是最小的构建块，即尽可能具体（即，许多不同的类），您可以将它们组合成数组，集合对象等，并使用循环对其进行迭代。要制作快速的MATLAB类，请将这种方法完全颠倒。具有更大的类，它们的字段是数组，并在这些数组上调用向量化方法。

关键是安排您的代码以发挥语言的优势-数组处理，矢量化数学-并避免薄弱环节。

编辑：自原始发布以来，R2010b和R2011a已经问世。总体情况是一样的，MCOS调用变得更快，而Java和旧方法调用变得越来越慢 。

编辑：我以前在“路径敏感性”上有一些注释，并附有函数调用时序的附加表，其中函数时间受Matlab路径配置方式的影响，但这似乎是我的特定网络设置的异常时间。上面的图表反映了一段时间以来我的测试占优势的典型时间。

更新：R2011b

编辑（2/13/2012）：R2011b退出了，性能图片已足够更改以进行更新。

拱门：PCWIN版本：2011b 机器：R2011b，Windows XP，8x Core i7-2600 @ 3.40GHz，3 GB RAM，NVIDIA NVS 300每次操作100000次每次呼叫样式总计secnop（）函数：0.01578 0.16nop（），10次循环展开：0.01477 0.15nop（），100x循环展开：0.01518 0.15nop（）子函数：0.01559 0.16@（）[]匿名函数：0.06400 0.64nop（obj）方法：0.28482 2.85nop（）私有函数：0.01505 0.15classdef nop（obj）：0.43323 4.33classdef obj.nop（）：0.81087 8.11classdef private_nop（obj）：0.32272 3.23classdef class.staticnop（）：0.88959 8.90classdef常数：1.51890 15.19classdef属性：0.12992 1.30使用getter的classdef属性：1.39912 13.99+ pkg.nop（）函数：0.87345 8.73内部+ pkg + pkg.nop（）：0.80501 8.05Java obj.nop（）：1.86378 18.64Java nop（obj）：0.22645 2.26Java feval（'nop'，obj）：0.52544 5.25Java Klass.static_nop（）：0.35357 3.54Java中的Java obj.nop（）：0.00010 0.00MEX mexnop（）：0.08709 0.87C nop（）：0.00001 0.00j（）（内置）：0.00251 0.03我认为这样做的结果是：

• MCOS / classdef方法更快。现在，只要您使用foo(obj)语法，成本就与旧样式类foo(obj) 。因此，在大多数情况下，方法速度不再是坚持使用旧样式类的原因。 （荣誉，MathWorks！）
• 将函数放在名称空间中会使它们变慢。 （在R2011b中不是新增功能，在我的测试中只是新增功能。）

更新：R2014a

我已经重构了基准测试代码，并在R2014a上运行了它。

在PCWIN64上的Matlab R2014a 在PCWIN64 Windows 7 6.1（eilonwy-win7）上的Matlab 8.3.0.532（R2014a）/ Java 1.7.0_11 机器：Core i7-3615QM CPU @ 2.30GHz，4 GB RAM（VMware Virtual Platform）nIters = 100000 动作时间（μsec） nop（）函数：0.14 nop（）子函数：0.14 @（）[]匿名函数：0.69 nop（obj）方法：3.28 @class上的nop（）private fcn：0.14 classdef nop（obj）：5.30 classdef obj.nop（）：10.78 classdef pivate_nop（obj）：4.88 classdef class.static_nop（）：11.81 classdef常数：4.18 classdef属性：1.18 具有getter的classdef属性：19.26 + pkg.nop（）函数：4.03 内部+ pkg + pkg.nop（）：4.16 feval（'nop'）：2.31 feval（@nop）：0.22 eval（'nop'）：59.46 Java obj.nop（）：26.07 Java nop（obj）：3.72 Java feval（'nop'，obj）：9.25 Java Klass.staticNop（）：10.54 Java中的Java obj.nop（）：0.01 MEX mexnop（）：0.91 内置j（）：0.02 struct s.foo字段访问：0.14 空（持续）：0.00 更新：R2015b：对象变得更快！

这是R2015b的结果，由@Shaked提供。这是一个很大的变化：OOP显着提高了速度，现在obj.method()语法与method(obj)一样快，并且比传统的OOP对象要快得多。

PCWIN64上的Matlab R2015b 在PCWIN64 Windows 8 6.2上的Matlab 8.6.0.267246（R2015b）/ Java 1.7.0_60（nanit-shaked） 机器：Core i7-4720HQ CPU @ 2.60GHz，16 GB RAM（20378）nIters = 100000 操作时间（μsec） nop（）函数：0.04 nop（）子函数：0.08 @（）[]匿名函数：1.83 nop（obj）方法：3.15 @class上的nop（）private fcn：0.04 classdef nop（obj）：0.28 classdef obj.nop（）：0.31 classdef pivate_nop（obj）：0.34 classdef class.static_nop（）：0.05 classdef常数：0.25 classdef属性：0.25 具有getter的classdef属性：0.64 + pkg.nop（）函数：0.04 内部+ pkg + pkg.nop（）：0.04 feval（'nop'）：8.26 feval（@nop）：0.63 eval（'nop'）：21.22 Java obj.nop（）：14.15 Java nop（obj）：2.50 Java feval（'nop'，obj）：10.30 Java Klass.staticNop（）：24.48 Java中的Java obj.nop（）：0.01 MEX mexnop（）：0.33 内置j（）：0.15 struct s.foo字段访问：0.25 isempty（持续）：0.13 更新：R2018a

这是R2018a的结果。在R2015b中引入新执行引擎时，这并不是我们看到的巨大飞跃，但是与去年相比，这仍然是一个可观的进步。值得注意的是，匿名函数句柄变得更快。

MACI64上的Matlab R2018a Matlab 9.4.0.813654（R2018a）/ MACI64 Mac OS X 10.13.5上的Java 1.8.0_144（eilonwy） 机器：Core i7-3615QM CPU @ 2.30GHz，16 GB RAM nIters = 100000 动作时间（μsec） nop（）函数：0.03 nop（）子函数：0.04 @（）[]匿名函数：0.16 classdef nop（obj）：0.16 classdef obj.nop（）：0.17 classdef pivate_nop（obj）：0.16 classdef class.static_nop（）：0.03 classdef常数：0.16 classdef属性：0.13 具有getter的classdef属性：0.39 + pkg.nop（）函数：0.02 内部+ pkg + pkg.nop（）：0.02 feval（'nop'）：15.62 feval（@nop）：0.43 eval（'nop'）：32.08 Java obj.nop（）：28.77 Java nop（obj）：8.02 Java feval（'nop'，obj）：21.85 Java Klass.staticNop（）：45.49 来自Java的Java obj.nop（）：0.03 MEX mexnop（）：3.54 内置j（）：0.10 struct s.foo字段访问：0.16 isempty（永久）：0.07 更新：R2018b和R2019a：不变

没有重大变化。我不愿意包含测试结果。

基准的源代码

我将这些基准测试的源代码放在MIT许可下发布的GitHub上。 https://github.com/apjanke/matlab-bench



更多&回答...