MATLAB的OOP速度慢还是我做错了什么？
我正在做MATLAB OOP的试验，作为一个开始，我模仿了我的C ++的Logger类，我将所有的string帮助器函数都放在一个String类中，认为能够做一些事情是很棒的，比如a + b ， a == b ， a.find( b )而不是strcat( ab ) ， strcmp( a, b ) ，检索strfind( a, b )第一个元素strfind( a, b )等。
问题：放缓
我把上面的东西都用上了，马上注意到一个急剧的放缓。 我做错了（这当然是可能的，因为我有相当有限的MATLAB经验），还是MATLAB的OOP只是引入了大量的开销？
我的testing案例
这里是我为string做的简单的testing，基本上只是附加一个string，并再次删除附加部分：
classdef String < handle .... properties stringobj = ''; end function o = plus( o, b ) o.stringobj = [ o.stringobj b ]; end function n = Length( o ) n = length( o.stringobj ); end function o = SetLength( o, n ) o.stringobj = o.stringobj( 1 : n ); end end function atest( a, b ) %plain functions n = length( a ); a = [ ab ]; a = a( 1 : n ); function btest( a, b ) %OOP n = a.Length(); a = a + b; a.SetLength( n ); function RunProfilerLoop( nLoop, fun, varargin ) profile on; for i = 1 : nLoop fun( varargin{ : } ); end profile off; profile report; a = 'test'; aString = String( 'test' ); RunProfilerLoop( 1000, @(x,y)atest(x,y), a, 'appendme' ); RunProfilerLoop( 1000, @(x,y)btest(x,y), aString, 'appendme' );
结果
总计时间（以秒为单位），进行1000次迭代：
btest 0.550（使用String.SetLength 0.138，String.plus 0.065，String.Length 0.057）
atest 0.015
logging器系统的结果同样如此：在1000次调用frpintf( 1, 'test\n' )为0.1秒，在内部使用String类时调用我的系统1000次（7秒）（确定，它有更多逻辑，但是与C ++比较：我的系统在输出端使用std::string( "blah" )和std::cout的开销与普通std::cout << "blah"是一样的1毫秒）。
查找类/包函数时是否只是开销？
由于MATLAB被解释了，它必须在运行时查找函数/对象的定义。 所以我想知道，查找类或包函数与path中的函数可能涉及更多的开销。 我试图testing这个，只是变得陌生。 为了排除类/对象的影响，我比较了在path中调用函数与包中函数的关系：
function n = atest( x, y ) n = ctest( x, y ); % ctest is in matlab path function n = btest( x, y ) n = util.ctest( x, y ); % ctest is in +util directory, parent directory is in path
结果，收集了与上面相同的方式：
testing0.004秒，ctest为0.001秒
btest 0.060秒，在util.ctest中0.014秒
所以，这只是MATLAB花费时间来查找OOP实现的定义的开销，而这个开销并不是直接在path中的函数？
我一直在使用OO MATLAB一段时间，最后看到类似的性能问题。
简单的回答是：是的，MATLAB的面向对象是一种缓慢。 有相当大的方法调用开销，高于主stream的OO语言，并且你可以做的事情不多。 部分原因可能是惯用的MATLAB使用“向量化”代码来减less方法调用的次数，并且每个通话开销并不是高优先级。
我通过写作什么都不做的“nop”函数作为各种函数和方法的基准。 以下是一些典型的结果。
>> call_nops 计算机：PCWIN发布：2009b 调用每个函数/方法100000次 nop（）函数：0.02261秒每次调用0.23次 nop1-5（）函数：0.02182秒每次调用0.22次 nop（）子函数：0.02244秒每次调用0.22次 @（）[]匿名函数：0.08461秒每次调用0.85次 nop（obj）方法：0.24664秒2.47每次调用usec nop1-5（obj）方法：0.23469秒每次调用2.35次 nop（）私有函数：0.02197秒每次调用0.22次 classdef nop（obj）：0.90547秒每次调用9.05次 classdef obj.nop（）：1.75522秒17.55每次调用usec classdef private_nop（obj）：0.84738 sec 8.47每次调用usec classdef nop（obj）（m文件）：0.90560秒每次调用9.06次 classdef class.staticnop（）：1.16361 sec 11.64每次调用usec Java nop（）：2.43035秒每次调用24.30次 Java static_nop（）：0.87682秒8.77每次调用的usec 来自Java的Java nop（）：0.00014秒每次调用0.00次 墨西哥mexnop（）：0.11409秒每次通话1.14美元 C nop（）：0.00001秒每次调用0.00次
R2008a到R2009b的结果类似。 这是在运行32位MATLAB的Windows XP x64上。
“Java nop（）”是一个在M代码循环内调用的无所作为的Java方法，在每次调用时都包含MATLAB到Java的调度开销。 “来自Java的Java nop（）”与Java for（）循环中调用的相同，不会导致边界惩罚。 用一粒盐来拿Java和C的时间; 一个聪明的编译器可以完全优化掉电。
包的范围机制是新的，几乎与classdef类同时引入。 它的行为可能是相关的。
几个试探性的结论：
- 方法比函数慢。
- 新风格（classdef）方法比旧风格方法慢。
- 新的
obj.nop()语法比nop(obj)语法慢，即使对于classdef对象也是如此。 Java对象相同（未显示）。 如果你想快点，请拨打nop(obj)。 - Windows上的64位MATLAB中的方法调用开销较高（约2倍）。 （未显示）
- MATLAB方法调度比其他一些语言慢。
说这是为什么这只是我的猜测。 MATLAB引擎的OO内部结构是不公开的。 这本身不是一个解释的vs编译的问题 – MATLAB有一个JIT–但是MATLAB的宽松input和语法可能意味着更多的运行时间。 （例如，从句法本身来看，“f（x）”是一个函数调用还是一个数组中的索引，它在运行时依赖于工作空间的状态）。这可能是因为MATLAB的类定义是绑定的到许多其他语言的方式不是文件系统状态。
那么，该怎么办？
一个惯用的MATLAB方法就是通过构造你的类定义来“vector化”你的代码，使得一个对象实例包装一个数组; 也就是说，它的每个字段都保持平行的数组（在MATLAB文档中称为“平面”组织）。 而不是有一个对象数组，每个对象都有标量值的字段，定义它们本身是数组的对象，并让这些方法将数组作为input，并对字段和input进行vector化调用。 这减less了方法调用的次数，希望足以使调度开销不是瓶颈。
在MATLAB中模仿C ++或Java类可能不是最佳的。 Java / C ++类通常被构build为使得对象是最小的构build块（尽可能具体）（也就是，许多不同的类），然后将它们组合到数组，集合对象等中，并用循环遍历它们。 要做出快速的MATLAB类，把这个方法从里面翻出来。 有更大的类，其字段是数组，并在这些数组上调用vector化方法。
关键是要安排你的代码发挥语言的优势 – 数组处理，vectormath – 避免弱点。
编辑：由于原来的职位，R2010b和R2011a已经出来。 整体情况是一样的，MCOS调用速度更快，而Java和老式的方法调用越来越慢 。
编辑：我曾经有一些笔记这里的“path灵敏度”与一个额外的函数调用时间表，function时间受到如何configurationMatlabpath的影响，但似乎是我的特定networking设置的像差时间。 上面的图表反映了我的testing随着时间的推移典型的时间。
更新：R2011b
编辑（2/13/2012）：R2011b出来了，而且performance图片已经改变了足以更新这个。
Arch：PCWIN发布：2011b 机器：R2011b，Windows XP，8x Core i7-2600 @ 3.40GHz，3 GB RAM，NVIDIA NVS 300 每次操作10万次 每通电话总共为μsec nop（）函数：0.01578 0.16 nop（），10倍循环展开：0.01477 0.15 nop（），100x循环展开：0.01518 0.15 nop（）子函数：0.01559 0.16 @（）[]匿名函数：0.06400 0.64 nop（obj）方法：0.28482 2.85 nop（）私有函数：0.01505 0.15 classdef nop（obj）：0.43323 4.33 classdef obj.nop（）：0.81087 8.11 classdef private_nop（obj）：0.32272 3.23 classdef class.staticnop（）：0.88959 8.90 classdef常数：1.51890 15.19 classdef属性：0.12992 1.30 使用getter的classdef属性：1.39912 13.99 + pkg.nop（）函数：0.87345 8.73 + pkg.nop（）from + pkg：0.80501 8.05 Java obj.nop（）：1.86378 18.64 Java nop（obj）：0.22645 2.26 Java feval（'nop'，obj）：0.52544 5.25 Java Klass.static_nop（）：0.35357 3.54 Java的obj.nop（）：0.00010 0.00 MEX mexnop（）：0.08709 0.87 C nop（）：0.00001 0.00 j（）（内build值）：0.00251 0.03
我认为这个结果是：
- MCOS / classdef方法更快。 现在，只要使用
foo(obj)语法，成本就可以与旧式类相提并论。 所以方法速度不再是在大多数情况下坚持使用旧式类的理由。 （荣誉，MathWorks！） - 将函数放入命名空间会使它们变慢。 （在R2011b中不是新的，在我的testing中只是新的。）
更新：R2014a
我重build了基准代码并在R2014a上运行。
PCWIN64上的Matlab R2014a PCWIN64上的Matlab 8.3.0.532（R2014a）/ Java 1.7.0_11 Windows 7 6.1（eilonwy-win7） 机器：Core i7-3615QM CPU @ 2.30GHz，4GB内存（VMware Virtual Platform） nIters = 100000 操作时间（微秒） nop（）函数：0.14 nop（）子函数：0.14 @（）[]匿名函数：0.69 nop（obj）方法：3.28 nop（）private @ fcn on @class：0.14 classdef nop（obj）：5.30 classdef obj.nop（）：10.78 classdef pivate_nop（obj）：4.88 classdef class.static_nop（）：11.81 classdef常数：4.18 classdef属性：1.18 使用getter的classdef属性：19.26 + pkg.nop（）函数：4.03 + pkg.nop（）from + pkg：4.16 feval（'nop'）：2.31 feval（@nop）：0.22 eval（'nop'）：59.46 Java obj.nop（）：26.07 Java nop（obj）：3.72 Java feval（'nop'，obj）：9.25 Java Klass.staticNop（）：10.54 来自Java的Java obj.nop（）：0.01 MEX mexnop（）：0.91 内buildj（）：0.02 结构s.foo字段访问：0.14 isempty（持久性）：0.00
更新：R2015b：物体变快了！
这是R1515b的结果，由@Shaked友情提供。 这是一个很大的变化：OOP速度明显加快，现在obj.method()语法和method(obj)一样快，比传统的OOP对象快得多。
PCWIN64上的Matlab R2015b Matlab 8.6.0.267246（R2015b）/ PCWIN64上的Java 1.7.0_60 Windows 8 6.2（nanit-shaked） 机器：Core i7-4720HQ CPU @ 2.60GHz，16 GB RAM（20378） nIters = 100000 操作时间（微秒） nop（）函数：0.04 nop（）子函数：0.08 @（）[]匿名函数：1.83 nop（obj）方法：3.15 nop（）私人fcn on @class：0.04 classdef nop（obj）：0.28 classdef obj.nop（）：0.31 classdef pivate_nop（obj）：0.34 classdef class.static_nop（）：0.05 classdef常数：0.25 classdef属性：0.25 classdef属性与getter：0.64 + pkg.nop（）函数：0.04 + pkg.nop（）from + pkg：0.04 feval（'nop'）：8.26 feval（@nop）：0.63 eval（'nop'）：21.22 Java obj.nop（）：14.15 Java nop（obj）：2.50 Java feval（'nop'，obj）：10.30 Java Klass.staticNop（）：24.48 来自Java的Java obj.nop（）：0.01 MEX mexnop（）：0.33 内含物j（）：0.15 结构s.foo字段访问：0.25 isempty（持续）：0.13
“基准源代码”
我已经把这些基准testing的源代码放在GitHub上，在MIT许可下发布。 https://github.com/apjanke/matlab-bench
处理类有一个额外的开销，跟踪所有的引用自身的清理目的。
尝试不使用句柄类的相同实验，看看你的结果是什么。
OO的性能在很大程度上取决于所使用的MATLAB版本。 我不能评论所有版本，但从经验中知道2012a比2010版本有了很大的改进。 没有基准，所以没有数字来呈现。 我的代码，完全使用句柄类编写，并在2012a下编写，根本不会在早期版本下运行。
其实你的代码没有问题，但它是一个与Matlab的问题。 我觉得这是一种玩耍的样子。 编译类代码只是开销。 我已经做了简单的类的testing（一次作为处理）和其他（一次作为价值课）
classdef Pointh < handle properties X Y end methods function p = Pointh (x,y) pX = x; pY = y; end function d = dist(p,p1) d = (pX - p1.X)^2 + (pY - p1.Y)^2 ; end end end
这里是testing
%handle points ph = Pointh(1,2); ph1 = Pointh(2,3); %values points p = Pointh(1,2); p1 = Pointh(2,3); % vector points pa1 = [1 2 ]; pa2 = [2 3 ]; %Structur points Ps.X = 1; Ps.Y = 2; ps1.X = 2; ps1.Y = 3; N = 1000000; tic for i =1:N ph.dist(ph1); end t1 = toc tic for i =1:N p.dist(p1); end t2 = toc tic for i =1:N norm(pa1-pa2)^2; end t3 = toc tic for i =1:N (Ps.X-ps1.X)^2+(Ps.Y-ps1.Y)^2; end t4 = toc
结果t1 =
12.0212％把手
t2 =
价值12.0042％
t3 =
0.5489 % vector
t4 =
0.0707 % structure
因此，为了高效的性能，避免使用OOP代替结构是组variables的好select
