Повысить дух карма реальная производительность генератора

Question

Я проверял работоспособность генератора бодрости духа, когда был несколько удивлен снижением производительности при использовании политики для реальных чисел. Жить на Колиру
Код был взят из Boost Spirit и была добавлена ​​пара тестовых функций. Пример Coliru заменяет используемый таймер. Обратите внимание, что Coliru прерывает длительно работающие проги, поэтому может не завершить все тесты.
Как можно видеть, использование политики снижает производительность в 2-3 раза (в 10 раз). Это ожидаемое поведение?

Мои цифры:

Спринт: 0.367
Iostreams: 0,818
формат: 1.036
карма: 0,087
(строка): 0,152
карма (строка) с политикой: 0,396
карма (правило): 0,12
карма (прямая): 0,083
Строка кармы (прямая): 0,089
Строка кармы (прямая) с политикой: 0,278

Построен с x64 VC14

Answer 1

Это не регресс, если сравнивать яблоки и груши. В этом случае дважды.

Первая пара яблоко / груша

Вот fixed это яблоки, и scientific это груши.

Мало того, что результирующий результат явно отличается, но и для его получения результат требует различных шагов.

важно scientific включает в себя принятие log10 из входных значений, чтобы установить величину числа в десятизначных цифрах перед десятичной точкой:

По умолчанию real_policies вызывает "дешевый" вердикт:

    static int floatfield(T n)
    {
        if (traits::test_zero(n))
            return fmtflags::fixed;

        T abs_n = traits::get_absolute_value(n);
        return (abs_n >= 1e5 || abs_n < 1e-3) 
          ? fmtflags::scientific : fmtflags::fixed;
    }

Таким образом, вы можете наблюдать, как разница исчезает, если вы выбираете формат, который в любом случае переключится на научный: 123456.123456 вместо 12345.12345...:

clock resolution: mean is 16.9199 ns (40960002 iterations)

benchmarking format_performance_direct_string
collecting 100 samples, 1 iterations each, in estimated 4.7784 ms
mean: 238.81 ns, lb 187.22 ns, ub 493.46 ns, ci 0.95
std dev: 507.559 ns, lb 5.36317 ns, ub 1111.94 ns, ci 0.95
found 11 outliers among 100 samples (11%)
variance is severely inflated by outliers

benchmarking format_performance_direct_string_with_policy
collecting 100 samples, 96 iterations each, in estimated 1699.2 μs
mean: 173.927 ns, lb 172.764 ns, ub 176.939 ns, ci 0.95
std dev: 8.33706 ns, lb 0.256875 ns, ub 16.9312 ns, ci 0.95
found 2 outliers among 100 samples (2%)
variance is moderately inflated by outliers

benchmarking format_performance_string
collecting 100 samples, 84 iterations each, in estimated 1705.2 μs
mean: 312.646 ns, lb 311.027 ns, ub 314.819 ns, ci 0.95
std dev: 9.42479 ns, lb 7.32668 ns, ub 15.2546 ns, ci 0.95
found 1 outliers among 100 samples (1%)
variance is moderately inflated by outliers

benchmarking format_performance_string_with_policy
collecting 100 samples, 31 iterations each, in estimated 1736 μs
mean: 193.572 ns, lb 192.257 ns, ub 200.032 ns, ci 0.95
std dev: 12.8586 ns, lb 0.322008 ns, ub 30.6708 ns, ci 0.95
found 4 outliers among 100 samples (4%)
variance is severely inflated by outliers

Как видите, пользовательская политика (предсказуема) намного быстрее

Как интерактивная ссылка:

Вторая пара яблок / груш

Это происходит, когда вы закрепили точность до 15 цифр.

Используя отдельный эталонный тест двух политик, который дополнительно обеспечивает точность: http://paste.ubuntu.com/13087371/ вы можете увидеть, что это больше, чем потеря преимущества от фиксации формата в scientific видно выше:

clock resolution: mean is 18.6041 ns (40960002 iterations)

benchmarking format_performance_direct_string_with_policy
collecting 100 samples, 1 iterations each, in estimated 1892.9 μs
mean: 228.83 ns, lb 179.9 ns, ub 471.84 ns, ci 0.95
std dev: 483.67 ns, lb 2.29965 ns, ub 1153.98 ns, ci 0.95
found 14 outliers among 100 samples (14%)
variance is severely inflated by outliers

benchmarking format_performance_direct_string_with_policy15
collecting 100 samples, 45 iterations each, in estimated 1858.5 μs
mean: 418.697 ns, lb 410.976 ns, ub 438.865 ns, ci 0.95
std dev: 58.0984 ns, lb 24.1313 ns, ub 115.549 ns, ci 0.95
found 6 outliers among 100 samples (6%)
variance is severely inflated by outliers

benchmarking format_performance_string_with_policy
collecting 100 samples, 87 iterations each, in estimated 1870.5 μs
mean: 262.057 ns, lb 254.73 ns, ub 269.354 ns, ci 0.95
std dev: 37.2502 ns, lb 31.1261 ns, ub 50.5813 ns, ci 0.95
found 17 outliers among 100 samples (17%)
variance is severely inflated by outliers

benchmarking format_performance_string_with_policy15
collecting 100 samples, 42 iterations each, in estimated 1898.4 μs
mean: 458.505 ns, lb 453.626 ns, ub 481.044 ns, ci 0.95
std dev: 45.5401 ns, lb 4.30147 ns, ub 108.045 ns, ci 0.95
found 4 outliers among 100 samples (4%)
variance is severely inflated by outliers

Или на графике: Интерактивная ссылка