为什么ruby scanf太慢了？

我正在研究一些在Ruby中以不同格式解析时间值的文本转换例程。这个例程越来越复杂，我目前正在测试更好的方法来解决这个问题。为什么ruby scanf太慢了？

我目前正在测试一种使用方法scanf。为什么？我总是认为比正则表达式快，但是Ruby中发生了什么？这太慢了！

我在做什么错？

注：我使用的红宝石1.9.2-P290 [x86_64的（MRI）

第一台红宝石测试：

require "scanf" 
require 'benchmark' 

def duration_in_seconds_regex(duration) 
    if duration =~ /^\d{2,}\:\d{2}:\d{2}$/ 
    h, m, s = duration.split(":").map{ |n| n.to_i } 
    h * 3600 + m * 60 + s 
    end 
end 

def duration_in_seconds_scanf(duration) 
    a = duration.scanf("%d:%d:%d") 
    a[0] * 3600 + a[1] * 60 + a[2] 
end 

n = 500000 
Benchmark.bm do |x| 
    x.report { for i in 1..n; duration_in_seconds_scanf("00:10:30"); end } 
end 

Benchmark.bm do |x| 
    x.report { for i in 1..n; duration_in_seconds_regex("00:10:30"); end } 
end

这是我使用scanf第一和第二的正则表达式：

 user  system  total  real 
    95.020000 0.280000 95.300000 (96.364077) 
     user  system  total  real 
    2.820000 0.000000 2.820000 ( 2.835170)

第二测试使用C：

#include <stdio.h> 
#include <stdlib.h> 
#include <time.h> 
#include <sys/types.h> 
#include <string.h> 
#include <regex.h> 

char *regexp(char *string, char *patrn, int *begin, int *end) { 
    int i, w = 0, len; 
    char *word = NULL; 
    regex_t rgT; 
    regmatch_t match; 
    regcomp(&rgT, patrn, REG_EXTENDED); 
    if ((regexec(&rgT, string, 1, &match, 0)) == 0) { 
     *begin = (int) match.rm_so; 
     *end = (int) match.rm_eo; 
     len = *end - *begin; 
     word = malloc(len + 1); 
     for (i = *begin; i<*end; i++) { 
      word[w] = string[i]; 
      w++; 
     } 
     word[w] = 0; 
    } 
    regfree(&rgT); 
    return word; 
} 

int main(int argc, char** argv) { 
    char * str = "00:01:30"; 
    int h, m, s; 
    int i, b, e; 
    float start_time, end_time, time_elapsed; 
    regex_t regex; 
    regmatch_t * pmatch; 
    char msgbuf[100]; 
    char *pch; 
    char *str2; 
    char delims[] = ":"; 
    char *result = NULL; 

    start_time = (float) clock()/CLOCKS_PER_SEC; 
    for (i = 0; i < 500000; i++) { 
     if (sscanf(str, "%d:%d:%d", &h, &m, &s) == 3) { 
      s = h * 3600L + m * 60L + s; 
     } 
    } 
    end_time = (float) clock()/CLOCKS_PER_SEC; 
    time_elapsed = end_time - start_time; 
    printf("sscanf_time (500k iterations): %.4f", time_elapsed); 

    start_time = (float) clock()/CLOCKS_PER_SEC; 
    for (i = 0; i < 500000; i++) { 
     char * match = regexp(str, "[0-9]{2,}:[0-9]{2}:[0-9]{2}", &b, &e); 
     if (strcmp(match, str) == 0) { 
      str2 = (char*) malloc(sizeof (str)); 
      strcpy(str2, str); 
      h = strtok(str2, delims); 
      m = strtok(NULL, delims); 
      s = strtok(NULL, delims); 
      s = h * 3600L + m * 60L + s; 
     } 
    } 
    end_time = (float) clock()/CLOCKS_PER_SEC; 
    time_elapsed = end_time - start_time; 
    printf("\n\nregex_time (500k iterations): %.4f", time_elapsed); 

    return (EXIT_SUCCESS); 
}

分

C代码的结果是明显加快，和正则表达式的结果是慢scanf结果不出所料：

sscanf_time (500k iterations): 0.1774 

regex_time (500k iterations): 3.9692

很明显，在C运行时间比较快，所以请不要评论说，Ruby是解释和像这样的东西请。

这是相关的gist。

来源

2012-03-01 AndreDurao

难道你不是在C中每次迭代重新编译表达式吗？我不认为Ruby这样做。如果只编译一次表达式，我会很有兴趣看到C结果。另外，你为什么甚至使用拆分？您正在匹配字符串，因此您可以直接捕获值，而无需对字符串进行进一步操作。 – Qtax 2012-03-01 20:35:55

是的，我正在重新编译，它可能比这更快，但我有时需要更改exp。 – AndreDurao 2012-03-01 20:41:40

然后，只需在更改时重新编译它即可。但我只想看看这些数字。 ;-) – Qtax 2012-03-01 20:45:31

问题不在于它被解释，而在于Ruby中的一切都是一个对象。您可以在Ruby分发中探索“scanf.rb”，并将其与scanf在C中的实现进行比较。

基于RegExp匹配的scanf的Ruby实现。像“％d”这样的每个原子都是ruby中的一个对象，而C中只有一个例子。因此，在我看来，这种执行时间的原因是大量的对象分配/释放。

来源

2012-03-01 20:29:00

我认为scanf使用本地实现就像openssl和其他需要.so文件 – AndreDurao 2012-03-01 20:49:52

假设MRI：scanf是用Ruby（scanf.rb）编写的，显然是10年前，从此以后从未接触过（而且看起来很复杂！）。 split,map和正则表达式在大量优化的C中实现。

来源

2012-03-01 20:52:48 steenslag

为什么ruby scanf太慢了？

回答

相关问题