Быстрая обработка правил в симуляции

Question

Если у вас есть только несколько правил в моделировании дискретных событий, это не критично, но если у вас их много, и они могут мешать друг другу, и вы можете отследить, "где" и "где" они используются.

• Кто-нибудь знает, как получить приведенный ниже код так же быстро, как оригинальная функция?
• Есть ли лучшие варианты, чем eval(parse(...)?

Вот простой пример, который показывает, что я теряю коэффициент 100 в скорости. Предположим, вы запустили симуляцию, и одно (из многих правил): выберите состояния со временем меньше 5:

> a <- rnorm(100, 50, 10)
> print(summary(microbenchmark::microbenchmark(a[a < 5], times = 1000L, unit = "us")))
   expr  min   lq     mean median   uq    max neval
a[a < 5] 0.76 1.14 1.266745  1.141 1.52 11.404  1000

myfun <- function(a0) {
  return(eval(parse(text = myrule)))
}

> myrule <- "a < a0" # The rule could be read from a file.
print(summary(microbenchmark::microbenchmark(a[myfun(5)], times = 1000L, unit = "us")))
    expr    min      lq     mean  median      uq     max neval
a[myfun(5)] 137.61 140.271 145.6047 141.411 142.932 343.644  1000

Примечание: я не думаю, что мне нужен дополнительный пакет, который может эффективно вести бухгалтерский учет. Но если есть другие мнения, дайте мне знать...

Answer 1

Давайте профилируем это:

Rprof()
for (i in 1:1e4) a[myfun(5)]
Rprof(NULL)
summaryRprof()

#$by.self
#             self.time self.pct total.time total.pct
#"parse"           0.36    69.23       0.48     92.31
#"structure"       0.04     7.69       0.06     11.54
#"myfun"           0.02     3.85       0.52    100.00
#"eval"            0.02     3.85       0.50     96.15
#"stopifnot"       0.02     3.85       0.06     11.54
#"%in%"            0.02     3.85       0.02      3.85
#"anyNA"           0.02     3.85       0.02      3.85
#"sys.parent"      0.02     3.85       0.02      3.85
#
#$by.total
#               total.time total.pct self.time self.pct
#"myfun"              0.52    100.00      0.02     3.85
#"eval"               0.50     96.15      0.02     3.85
#"parse"              0.48     92.31      0.36    69.23
#"srcfilecopy"        0.12     23.08      0.00     0.00
#"structure"          0.06     11.54      0.04     7.69
#"stopifnot"          0.06     11.54      0.02     3.85
#".POSIXct"           0.06     11.54      0.00     0.00
#"Sys.time"           0.06     11.54      0.00     0.00
#"%in%"               0.02      3.85      0.02     3.85
#"anyNA"              0.02      3.85      0.02     3.85
#"sys.parent"         0.02      3.85      0.02     3.85
#"match.call"         0.02      3.85      0.00     0.00
#"sys.function"       0.02      3.85      0.00     0.00

Большую часть времени проводят в parse, Мы можем подтвердить это с помощью теста:

microbenchmark(a[myfun(5)], times = 1000L, unit = "us")
#Unit: microseconds
#        expr    min     lq     mean median     uq     max neval
# a[myfun(5)] 67.347 69.141 72.12806 69.909 70.933 160.303  1000

a0 <- 5
microbenchmark(parse(text = myrule), times = 1000L, unit = "us")
#Unit: microseconds
#                 expr    min     lq     mean median     uq     max neval
# parse(text = myrule) 62.483 64.275 64.99432 64.787 65.299 132.903  1000

Если чтение правил в виде текста из файла является жестким требованием, я не думаю, что есть способ ускорить это. Конечно, вы не должны повторно анализировать одно и то же правило, но я полагаю, что вы сейчас это делаете.

Отредактируйте в ответ на комментарий, предоставив дополнительные пояснения:

Вы должны хранить свои правила в виде выражений в кавычках (например, в списке, используя saveRDS если они вам нужны как файл):

myrule1 <- quote(a < a0)
myfun1 <- function(rule, a, a0) {eval(rule)}

microbenchmark(a[myfun1(myrule1, a, 30)], times = 1000L, unit = "us")
#Unit: microseconds
#                      expr   min    lq     mean median    uq    max neval
# a[myfun1(myrule1, a, 30)] 1.792 2.049 2.286815  2.304 2.305 30.217  1000

Для удобства вы можете сделать этот список выражений объектом S3 и создать красивый print метод для того, чтобы получить лучший обзор.