R Academy · Ders

microbenchmark ile Performans Karşılaştırması

Birden çok uygulamayı microbenchmark() ile istatistiksel olarak karşılaştırın.

microbenchmark ile Performans Karşılaştırması, CoddyKit'te ücretsiz bir R Academy dersidir. Bu, 4 dersinin 4. dersidir. Aşağıdan dersin tamamını ücretsiz okuyabilir, sonra tarayıcıda yerleşik kod editörü ve 7/24 yapay zeka koçu ile uygulamalı olarak pratik yapabilirsin. Bu, R Academy öğrenme yolunun bir parçasıdır ve ilerlemeniz web ve CoddyKit uygulaması arasında senkronize olur. R Academy kursu toplamda 4 dersten oluşur.

Neden microbenchmark?

system.time() milisaniye çözünürlüğüne sahiptir ve hızlı işlemler için güvenilir değildir. microbenchmark paketi ifadeleri yüzlerce kez çalıştırır, ısınma sürecini yönetir ve nanosaniye çözünürlüğünde istatistikler sunar — bu da onu benzer uygulamaları karşılaştırmak için doğru araç hâline getirir.

microbenchmark Temel Kullanımı

Adlandırılmış ifadeleri microbenchmark() işlevine aktarın. Her bağımsız değişkenin adı çıktıda etiket olarak kullanılır. times bağımsız değişkeni, her ifadenin kaç kez değerlendirileceğini belirler.

# library(microbenchmark)
# x <- 1:10000
#
# microbenchmark(
#   loop = {
#     s <- 0
#     for (v in x) s <- s + v
#   },
#   vectorized = sum(x),
#   times = 200L
# )

times Bağımsız Değerini Seçme

Daha fazla yineleme daha kararlı tahminler sağlar, ancak daha uzun sürer. Genel yönergeler:

Hızlı ifadeler (mikrosaniyeler): times = 1000L veya daha fazlası
Orta hızdaki ifadeler (milisaniyeler): times = 100L
Yavaş ifadeler (saniyeler): times = 10L veya daha azı

Varsayılan değer times = 100L şeklindedir ve iyi bir başlangıç noktasıdır.

# library(microbenchmark)
# microbenchmark(
#   fast_op = sqrt(2),
#   times = 10000L   # many reps for a nanosecond-scale operation
# )
# microbenchmark(
#   slow_op = sort(rnorm(1e6)),
#   times = 10L      # fewer reps for second-scale operation
# )

unit Bağımsız Değerini Belirtme

Sonuçları uygun bir ölçekte görüntülemek için unit bağımsız değişkenini kullanın:

'ns' — nanosaniyeler (çok hızlı işlemler için)
'us' — mikrosaniyeler
'ms' — milisaniyeler
's' — saniyeler
'relative' — en hızlı ifadeye oran

# library(microbenchmark)
# x <- runif(1000)
#
# microbenchmark(
#   sapply_sqrt = sapply(x, sqrt),
#   vectorized  = sqrt(x),
#   times = 500L,
#   unit = 'us'   # display in microseconds
# )

Özet Çıktısını Yorumlama

microbenchmark şu sütunları içeren bir özet tablosu yazdırır:

min — tek bir çalıştırmadaki en kısa süre
lq / mean / median / uq — alt çeyrek, ortalama, ortanca, üst çeyrek
max — tek bir çalıştırmadaki en uzun süre
neval — değerlendirme sayısı

Birincil karşılaştırma ölçütü olarak median değerini kullanın — bu değer, en yüksek ve ortalama süreleri artıran ara sıra gerçekleşen GC duraklamalarından daha az etkilenir.

# Example summary output (unit: microseconds):
#
#         expr    min     lq   mean  median    uq    max neval
#         loop 1203.1 1245.3 1301.7  1262.4 1310.1 2100.8   100
#   vectorized    2.1    2.3    2.9     2.4    2.6   18.3   100
#
# => vectorized is ~525x faster at median
cat('Always compare medians, not means, for microbenchmark results
')

Bir microbenchmark Nesnesinde summary()

Kayıtlı bir microbenchmark sonucunda summary(mb) çağrıldığında, programatik olarak inceleyebileceğiniz bir veri çerçevesi döndürülür. Özetteki unit değerini de değiştirebilirsiniz.

# library(microbenchmark)
# x <- rnorm(5000)
# mb <- microbenchmark(
#   vapply_abs  = vapply(x, abs, numeric(1)),
#   base_abs    = abs(x),
#   times = 200L
# )
# s <- summary(mb, unit = 'ms')
# print(s[, c('expr', 'min', 'median', 'max')])

Görsel Karşılaştırma için autoplot()

autoplot(mb), ifadeler arasındaki süre dağılımlarını keman grafiği veya kutu grafiği olarak çizmek için ggplot2 kullanır. Böylece yalnızca ortanca değerler arasındaki farkları değil, seçenekler arasındaki değişkenliği ve örtüşmeyi de kolayca görebilirsiniz.

# library(microbenchmark)
# library(ggplot2)
#
# x <- 1:50000
# mb <- microbenchmark(
#   loop   = { s <- 0; for (v in x) s <- s + v },
#   vapply = vapply(x, identity, numeric(1)),
#   vec    = sum(x),
#   times  = 100L
# )
# autoplot(mb)  # opens ggplot2 violin chart

Döngü ile vapply ve sapply Karşılaştırması

Klasik bir karşılaştırma: bir işlevi for döngüsü, sapply() veya vapply() kullanarak öğe bazında uygulamak. vapply(), sonuç vektörüne önceden yer ayırdığı için sapply() işlevinden daha hızlıdır. Her ikisi de tamamen vektörleştirilmiş koddan daha yavaştır.

# library(microbenchmark)
# x <- runif(5000, 1, 100)
#
# mb <- microbenchmark(
#   for_loop = {
#     r <- numeric(length(x))
#     for (i in seq_along(x)) r[i] <- log(x[i])
#   },
#   sapply_log  = sapply(x, log),
#   vapply_log  = vapply(x, log, numeric(1)),
#   vec_log     = log(x),
#   times = 200L, unit = 'us'
# )
# print(mb)

Önce Doğruluğu Denetleme

Karşılaştırma yapmadan önce tüm ifadelerin aynı sonuçları döndürdüğünü doğrulayın. Daha hızlı fakat hatalı bir uygulamanın hiçbir faydası yoktur. Çıktıları karşılaştırmak için identical() veya all.equal() kullanın.

# x <- runif(1000)
# r1 <- sapply(x, sqrt)
# r2 <- sqrt(x)
# r3 <- vapply(x, sqrt, numeric(1))
#
# stopifnot(isTRUE(all.equal(r1, r2)))
# stopifnot(isTRUE(all.equal(r1, r3)))
# cat('All three produce identical results -- safe to benchmark
')
cat('Always verify correctness before comparing speed
')

setup Bağımsız Değeriyle Karşılaştırma

Süreleri ölçülen ifadelerden önce kodu bir kez çalıştırmak için setup bağımsız değişkenini kullanın. Ölçmek istediğiniz şey veri oluşturma süresi değilse bu sayede veri oluşturma süresinin karşılaştırmaya dâhil edilmesini önlersiniz.

# library(microbenchmark)
#
# microbenchmark(
#   sort_base  = sort(x),
#   sort_order = x[order(x)],
#   setup = { x <- rnorm(10000) },
#   times = 100L
# )
# Each iteration refreshes x via setup, then times sort_base and sort_order

Analizde Karşılaştırma Sonuçlarını Raporlama

Karşılaştırma sonuçlarını paylaşırken her zaman şunları bildirin:

R sürümü ve platform
Paket sürümleri
Kullanılan times değeri
Karşılaştırmada kullanılan veri boyutu

Süre ölçümleri makineler arasında taşınabilir değildir — uygulamaları karşılaştırırken mutlak sayılar yerine oranları bildirin.

cat('R version    :', R.version$version.string, '
')
cat('Platform     :', R.version$platform, '
')
cat('Logical cores:', parallel::detectCores(), '
')

Kısa Kontrol: microbenchmark Ölçütü

İki uygulamayı karşılaştırmak için microbenchmark çıktısındaki hangi özet istatistiği en güvenilirdir?

microbenchmark Özeti

microbenchmark, R'da titiz mikro karşılaştırmalar yapmak için kullanılan standart araçtır:

Adlandırılmış ifadeleri aktarın ve yinelemeleri denetlemek için times değerini ayarlayın
Okunabilir çıktı için unit = 'us' veya 'ms' kullanın
Ortanca değerleri karşılaştırın — bunlar GC kaynaklı aykırı değerlerden daha az etkilenir
Süre dağılımlarını görselleştirmek için autoplot() kullanın
Karşılaştırmadan önce doğruluğu all.equal() ile doğrulayın

Sıkça Sorulan Sorular

“microbenchmark ile Performans Karşılaştırması” dersi ücretsiz mi?

Evet — “microbenchmark ile Performans Karşılaştırması” dersin tüm metni burada web'de ücretsiz olarak okunabilir. Etkileşimli olarak pratik yapmak (yerleşik kod editörü ve 7/24 yapay zeka koçu) ve R Academy kursunun geri kalanını açmak için CoddyKit PRO'ya yükselt. R Academy kursu toplamda 4 dersten oluşur.

“microbenchmark ile Performans Karşılaştırması” dersinde ne öğreneceğim?

Birden çok uygulamayı microbenchmark() ile istatistiksel olarak karşılaştırın. R Academy ile uygulamalı kodu tarayıcıda doğrudan çalıştırarak pratik yaparsın ve 7/24 yapay zeka koçu dersi çalışırken sorularını yanıtlar.

R Academy öğrenmeye başlamak için deneyim gerekli mi?

Önceden deneyim gerekmez. CoddyKit'te R Academy, başlangıçtan ileri seviyeye kadar yapılandırıldığı için buradan başlayabilir veya başından başlayıp kendi hızında ilerleme yapabilirsin. Bu, 4 dersinin 4. dersidir.

“microbenchmark ile Performans Karşılaştırması” dersi ne kadar sürer?

Çoğu CoddyKit dersi yaklaşık 5–10 dakika sürer. Her biri kısa ve etkileşimli olduğu için sabit ilerleme yaparsın ve web ile uygulama arasında tam olarak bıraktığın yerden devam edebilirsin.

Bu R Academy dersinde kod yazıp çalıştırabilir miyim?

Evet. Her R Academy dersi yerleşik bir kod editörü içerir, bu sayede tarayıcıda gerçek kod yazıp çalıştırabilir ve anlık yapay zeka geri bildirimi alırsın — yerel kurulum gerekli değildir.

Bu kursun tüm dersleri

system.time() ve proc.time()
Rprof ve profvis ile Kod Profilleme
Hız için Vektörleştirme
microbenchmark ile Performans Karşılaştırması

← R Academy Sayfasına Dön