Sự khác nhau giữa Rscript và Littler

Question

... bên cạnh thực tế là Rscript được gọi với #!/usr/bin/env Rscript và Littler với #!/usr/local/bin/r (trên hệ thống của tôi) ở dòng đầu tiên của file script. Tôi đã tìm thấy sự khác biệt nhất định về tốc độ thực thi (có vẻ như littler chậm hơn một chút).

Tôi đã tạo hai tập lệnh giả, chạy mỗi 1000 lần và so sánh thời gian thực hiện trung bình.

Dưới đây là file Rscript:

#!/usr/bin/env Rscript 

btime <- proc.time() 
x <- rnorm(100) 
print(x) 
print(plot(x)) 
etime <- proc.time() 
tm <- etime - btime 
sink(file = "rscript.r.out", append = TRUE) 
cat(paste(tm[1:3], collapse = ";"), "\n") 
sink() 
print(tm) 

và đây là file Littler:

#!/usr/local/bin/r 

btime <- proc.time() 
x <- rnorm(100) 
print(x) 
print(plot(x)) 
etime <- proc.time() 
tm <- etime - btime 
sink(file = "little.r.out", append = TRUE) 
cat(paste(tm[1:3], collapse = ";"), "\n") 
sink() 
print(tm) 

Như bạn có thể thấy, họ gần như giống hệt nhau (dòng đầu tiên và chìm file đối số khác nhau). Đầu ra là sink được chỉnh sửa thành tệp văn bản, do đó được nhập bằng R với read.table. Tôi đã tạo tập lệnh bash để thực thi mỗi kịch bản 1000 lần, sau đó tính trung bình.

Dưới đây là bash script:

for i in `seq 1000` 
do 
./$1 
echo "####################" 
echo "Iteration #$i" 
echo "####################" 
done 

Và kết quả là:

# littler script 
> mean(lit) 
    user system elapsed 
0.489327 0.035458 0.588647 
> sapply(lit, median) 
    L1 L2 L3 
0.490 0.036 0.609 
# Rscript 
> mean(rsc) 
    user system elapsed 
0.219334 0.008042 0.274017 
> sapply(rsc, median) 
    R1 R2 R3 
0.220 0.007 0.258 

câu chuyện dài ngắn: bên cạnh (hiển nhiên) sự khác biệt thực hiện theo thời gian, có một số khác biệt khác? Câu hỏi quan trọng hơn là: tại sao/không nên bạn thích littler trên Rscript (hoặc ngược lại)?

Answer 1

Couple bình luận nhanh:

1. Đường dẫn /usr/local/bin/r là tùy ý, bạn có thể sử dụng /usr/bin/env r cũng như chúng ta làm trong một số ví dụ. Khi tôi nhớ lại, nó giới hạn những đối số khác mà bạn có thể cung cấp cho r vì chỉ có một đối số khi được gọi qua env

2. Tôi không hiểu điểm chuẩn của bạn và tại sao bạn làm như vậy. Chúng tôi do có so sánh thời gian trong các nguồn, xem tests/timing.sh và tests/timing2.sh. Có thể bạn muốn tách thử nghiệm giữa khởi động và tạo đồ thị hoặc bất kỳ thứ gì bạn đang làm.

3. Bất cứ khi nào chúng tôi chạy các thử nghiệm đó, littler đã thắng. (Nó vẫn thắng khi tôi chạy lại chúng ngay bây giờ.) Điều đó có ý nghĩa với chúng tôi bởi vì nếu bạn nhìn vào các nguồn tới Rscript.exe, nó hoạt động khác nhau bằng cách thiết lập môi trường và chuỗi lệnh trước khi gọi số execv(cmd, av). littler có thể bắt đầu nhanh hơn một chút.

4. Giá chính là tính di động. Cách littler được xây dựng, nó sẽ không biến nó thành Windows. Hoặc ít nhất là không dễ dàng. OTOH chúng tôi có RInside được chuyển vì vậy nếu ai đó thực sự muốn ...

5. Littler đến trước vào tháng 9 năm 2006 so với Rscript đi kèm với R 2.5.0 vào tháng 4 năm 2007.

6. Rscript giờ đây ở mọi nơi có R. Đó là một lợi thế lớn.

7. Tùy chọn dòng lệnh trở nên hợp lý hơn một chút đối với người littler trong chế độ xem của tôi.

8. Cả hai hoạt động với gói CRAN getopt và chọn tham gia để phân tích cú pháp tùy chọn.

Vì vậy, đó là sở thích cá nhân. Tôi đồng viết littler, học được rất nhiều làm điều đó (ví dụ như cho RInside) và vẫn thấy nó hữu ích - vì vậy tôi sử dụng nó hàng chục lần mỗi ngày. Nó thúc đẩy CRANberries. Nó điều khiển cran2deb. Số dặm của bạn có thể, như này nói, thay đổi.

Tuyên bố từ chối trách nhiệm: littler là một trong các dự án của tôi.

Postscriptum: Tôi đã viết các bài kiểm tra như

tôi sẽ có văn bản này như

fun <- function { X <- rnorm(100); print(x); print(plot(x)) } 
    replicate(N, system.time(fun)["elapsed"]) 

hoặc thậm chí

mean(replicate(N, system.time(fun)["elapsed"]), trim=0.05) 

để thoát khỏi những giá trị ngoại biên. Hơn nữa, bạn chỉ về cơ bản đo I/O (một bản in, và một cốt truyện) mà cả hai sẽ nhận được từ thư viện R vì vậy tôi mong đợi sự khác biệt nhỏ.