像这样的技巧可能很棒,但它们也可以带你进入危险的领域。当你只有两种val_type
方法时,你会得到提升;重现你的结果,
julia> rand_n = [4, 11, 4]
3-element Vector{Int64}:
4
11
4
julia> vrand_n = Val.(rand_n)
3-element Vector{Val}:
Val{4}()
Val{11}()
Val{4}()
julia> val_type(::Val{4}) = 11
val_type (generic function with 1 method)
julia> val_type(::Val{11}) = 4
val_type (generic function with 2 methods)
julia> using BenchmarkTools
julia> @btime val_type.($vrand_n);
28.421 ns (1 allocation: 112 bytes)
但是看看当你有 5 个时会发生什么:
julia> val_type(::Val{2}) = 0
val_type (generic function with 3 methods)
julia> val_type(::Val{3}) = 0
val_type (generic function with 4 methods)
julia> val_type(::Val{7}) = 0
val_type (generic function with 5 methods)
julia> @btime val_type.($vrand_n);
95.008 ns (1 allocation: 112 bytes)
重要的是,我什至不必创建任何此类对象来观察减速。Dict
此外,这比基于 - 的方法的固定版本差得多:
julia> const simple_dict = Dict(4 => 11, 11 => 4)
Dict{Int64, Int64} with 2 entries:
4 => 11
11 => 4
julia> call_dict(num) = simple_dict[num]
call_dict (generic function with 1 method)
julia> @btime call_dict.($rand_n);
39.674 ns (1 allocation: 112 bytes)
(这const
是至关重要的,请参阅https://docs.julialang.org/en/v1/manual/performance-tips/#Avoid-global-variables。)
为什么?关键是查看您正在使用的对象的类型:
julia> eltype(vrand_n)
Val
julia> isconcretetype(eltype(vrand_n))
false
这就解释了为什么它会很慢:当您的迭代提取下一个元素时,Julia 无法预测对象的具体类型。所以它必须使用运行时调度,这本质上是一种美化的字典查找。不幸的是,在这种情况下,键的比较比仅查找Int
. 因此,您会损失很多性能。
当只有两种方法时,为什么速度会这么快?因为 Julia 试图变得非常聪明,它会检查有多少;如果有 3 个或更少的方法,它将生成一些优化的代码来检查简单if
分支中的类型,而不是调用类型交集的完整机制。您可以在此处阅读更多详细信息。
Julia 的新手——一旦他们了解了专业化的奇迹和它所带来的巨大运行时性能改进——通常会很兴奋地尝试将类型系统用于所有事情,而Val
基于 - 的调度通常是他们所追求的工具。但是可推断性是多分派速度优势的关键组成部分,因此当您使用破坏可推断性的设计时,您会失去优势,以至于它可能比不太“花哨”的方法更糟糕。
底线:对于您正在尝试的演示,如果您坚持使用Dict
. 在某些情况下,基于 Val 的分派很有用:通常,当单个运行时分派为您设置一个完整的后续可推断调用序列时,这可能是一个胜利。但是您应该明智地使用它,并且(就像您所做的那样)始终分析您的结果。