Unterschied zwischen Rscript und weggeworfener

Question

... neben der Tatsache, dass Rscript mit #!/usr/bin/env Rscript und weggeworfener mit #!/usr/local/bin/r (auf meinem System) aufgerufen wird, in erster Linie der Skriptdatei. Ich habe bestimmte Unterschiede in der Ausführungsgeschwindigkeit gefunden (scheint littler ist ein bisschen langsamer).

Ich habe zwei Dummy-Skripts erstellt, die jeweils 1000 Mal ausgeführt und durchschnittliche Ausführungszeit verglichen.

Hier ist die Rscript Datei:

#!/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) 

und hier ist die littler Datei:

#!/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) 

Wie Sie sehen können, sind sie fast identisch (erste Zeile und versenken Dateiargument unterscheiden). Ausgabe ist sink Ed in Textdatei, daher in R mit importiert. Ich habe ein Bash-Skript erstellt, um jedes Skript 1000-mal auszuführen, dann berechnete Durchschnittswerte.

Hier Bash-Skript:

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

Und die Ergebnisse sind:

# 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 

lange Kurzgeschichte: neben (offensichtlich) execution-Zeitdifferenz, gibt es einen anderen Unterschied? Wichtigere Frage ist: Warum sollten/sollten Sie nicht bevorzugen little über Rscript (oder umgekehrt)?

Answer 1

Paar schnelle Kommentare:

1. Der Weg /usr/local/bin/r willkürlich ist, können Sie /usr/bin/env r auch verwenden, wie wir in einigen Beispielen tun. Soweit ich mich erinnere, schränkt sie, was andere Argumente können Sie r geben, da es nur ein nimmt, wenn sie über env

2. aufgerufen Ich verstehe nicht, Ihre Benchmark, und warum Sie würde es auf diese Weise tun. Wir haben do Timing-Vergleiche in den Quellen, siehe tests/timing.sh und tests/timing2.sh. Vielleicht möchten Sie den Test zwischen dem Start und der Erstellung von Graphen aufteilen oder was auch immer Sie wollen.

3. Immer wenn wir diese Tests durchführten, gewann wenig. (Es hat immer noch gewonnen, als ich diese jetzt gerade wieder lief.) Das ergab für uns Sinn, denn wenn man sich die Quellen zu Rscript.exe ansieht, funktioniert es anders, indem man die Umgebung und eine Befehlsfolge einrichtet, bevor schließlich execv(cmd, av) aufgerufen wird. Kleiner kann etwas schneller anfangen.

4. Der Hauptpreis ist Portabilität. Die Art, wie Littler gebaut wird, wird es nicht zu Windows schaffen. Oder zumindest nicht leicht. OTOH wir haben RIside ported also wenn jemand wirklich wollte ...

5. Littler kam zuerst im September 2006 gegen Rscript, das mit R 2.5.0 im April 2007 kam.

6. Rscript ist jetzt überall wo R ist. Das ist ein großer Vorteil.

7. Befehlszeilenoptionen sind aus meiner Sicht etwas sinnvoller für kleine.

8. Beide arbeiten mit den CRAN-Paketen getopt und optparse für das Parsen von Optionen.

So ist es eine persönliche Vorliebe. Ich habe Kleinbücher geschrieben, viel gelernt (zB für Rinside) und finde es immer noch nützlich - also benutze ich es Dutzende Male jeden Tag. Es treibt CRANberries an. Es fährt cran2deb. Ihre Meilenzahl kann, wie sie sagen, variieren.

Haftungsausschluss: Kleiner ist eines meiner Projekte.

Postscriptum: Ich würde den Test als

geschrieben habe

ich würde dies als

geschrieben

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

oder sogar

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

auf dem Ausreißer loszuwerden. Darüber hinaus messen Sie im Wesentlichen nur I/O (einen Druck und eine Grafik), die beide aus der R-Bibliothek erhalten, so dass ich wenig Unterschied erwarten würde.