;

如何百倍加速 Lo-Dash?引入惰性计算

原文:How to Speed Up Lo-Dash ×100? Introducing Lazy Evaluation.
作者: Filip Zawada

译文:如何百倍加速 Lo-Dash?引入惰性计算
译者:justjavac


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。

Lodash naïve approach

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:

Lo-Dash regular approach

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):

benchmark

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 LINQLazy.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!

继续阅读关于 的文章