使用 Statistics Toolbox 的数据集数组索引非常慢

Question

为什么索引到数据集数组这么慢？ dataset.subsref 函数的峰值表明数据集的所有列都存储在一个元胞数组中。但是，单元格索引比数据集索引要快得多，后者只是索引到引擎盖下的单元格数组。我的猜测是，这与 MATLAB OOP 的一些开销有关。有关如何加快速度的任何想法？

%% Using R2011a, PCWIN64
feature accel off;  % turn off JIT

dat = (1:1e6)';
dat2 = repmat({'abc'}, 1e6, 1);
celldat = {dat dat2};
ds = dataset(dat, dat2);
N = 1e2;

tic;
for j = 1:N
    tmp = celldat{2};
end
toc;

tic;
for j = 1:N
    tmp2 = ds.dat2; % 2.778sec spent on line 262 of dataset.subsref
end
toc;

feature accel on;  % turn JIT back on

Elapsed time is 0.000165 seconds.
Elapsed time is 2.778995 seconds.

编辑：我已将示例更新为更像我所看到的问题。在 dataset.subsref -“b = a.data{varIndex};”的第 262 行上花费了大量时间。这对我来说很奇怪，因为它是一个简单的单元格取消引用。我想知道是否有一个 OOP 技巧可以让我在没有奇怪开销的情况下索引“a.data”。

EDIT2：根据 Andrew 的建议，我已将此作为错误提交给 MatWorks。如果我收到他们的任何消息，会更新。

EDIT3： Matlab 回应说他们现在已经意识到这个问题，并将在未来的版本中修复它。他们指出问题是特定于元胞数组的，并尽可能避免它们。

Answer 1

是的，您很可能会看到 Matlab OOP 方法调用的开销。与单元格索引或其他一些语言中的方法调用相比，它们的成本很高。您的 .513872 秒 / 1e4 ~= 51 微秒每次调用，这是几个 MCOS 方法调用的大致成本；在我见过的机器上，它们每个约为 5-15 微秒。所以这看起来像是 subsref() 调用本身的方法开销以及它依次调用的其他方法和属性访问。

一些细节和讨论见：Is MATLAB OOP slow or am I doing something wrong?

除了构建代码以尽量减少对“ds.dat”或其他方法的调用之外，我不知道有什么方法可以加快速度。如果可能，在处理数据集时，调用一次“ds.dat”，将其保存在局部变量中并在那里使用，然后将其推回 ds 对象。

警告：我不知道“功能加速”是做什么的，也不知道它会如何影响这些时间。

编辑：我按照 Richie 的建议将其放入分析器中。在我的 R2009b 上，看起来大约一半时间是方法调用开销，其余时间在 find()、strcmp() 和 subsref 内的其他操作中； subsref 不会依次调用任何其他方法。

编辑 2：修改后的示例显示了更高的时序。方法调用开销并不能说明所有这些。