对于 Array，在 javascript 中使用 map() 和 reduce() 而不是 forEach() 更有效吗？

1）正如我们所知，map（）和reduce（）没有副作用。现在，我们在手机上也有多核心。那么，使用它们更有效吗？

2）另一方面，js在大多数浏览器上只有一个线程可以执行。是否为服务器端脚本编写准备了map（）和reduce（）？

我今天刚刚用最新的node.js版本在浮点数字上使用map和reduce进行了测试，结果是map和reduct比普通的for循环慢了两个数量级。

var r = array.map(x => x*x).reduce( (total,num) => total+num,0);

~111000ms

var r = 0.0;
array.forEach( (x,i,a) => r += x*x  )

~300ms

var r = 0.0;
for (var j = 0; j < array.length;j++){
    var x = array[j];
    r += x*x;
}

~35ms

编辑：需要注意的是，这种差异在Firefox中要小得多，在未来的Node/Chrome版本中也可能会小得多。

1）

map（）和reduce（）没有副作用

嗯。您可以很好地实现映射并减少具有副作用的回调。没有什么能阻止它，在JavaScript的当前状态下，它甚至不被认为是一种糟糕的做法。

2）

js在大多数浏览器上只有一个线程可以执行

在今天的所有JS引擎中，只有一个线程，即使它们在服务器端运行时也是如此（事实上，可以有更多线程，但要隔离，不能访问同一个数组）。

因此，没有副作用的事实根本不会使数组修改变得可并行。除了在标准数组上顺序调用回调之外，没有任何JS引擎可以做其他事情。

注意：正如zirak所指出的，有一个不是标准的Mozilla ParallelArray可以帮助进行并行执行。我不知道V8上是否有类似的东西。

只要数组的维数很低（按10的顺序），性能就没有太大差异，但当数组的大小增加到一个很大的值时，使用传统的for循环是一个很好的方法，因为我们只需要循环元素，并在指向时在特定索引处获得值，但在其他方法中，我们不仅要获取索引处的值，还要获取附加信息，如索引（在map中，reduce，forEach）和累加器值（在reduce中）。这些方法需要一个回调函数，它们都占用了大量内存用于回调，这进一步降低了性能速度。

您可以使用以下脚本检查其对正性。只需查看控制台记录的值即可。

 var scripts=[];
// GLOBAL variales declaration
var a=[];
function preload() {
    for(var i=0;i<100000;i++) a[i]=i;
}
preload();
// TEST function 0
scripts.push(function() {
    var sum=0;
    a.forEach(function(v) {
        sum+=v;
    });
    //console.log(sum);
});
// TEST function 1
scripts.push(function() {
    a.reduce(function(acc,v) {
        return acc+v;
    });
});
// TEST function 2
scripts.push(function() {
    var sum=0;
    for(var i=0;i<a.length;i++) {
        sum+=a[i];
    }
});
// EVALUATION
scripts.forEach(function(f,index) {
    var date=new Date();
    for(var i=0;i<10000;i++) {
        f();
    }
    console.log("call "+index+" "+(new Date()-date));
});

它很容易被忽视，但获得MapReduce好处的关键是

A）利用优化的shuffle。通常，map和reduce函数可以用慢速语言实现，只要shuffle（最昂贵的操作）得到了很好的优化，它仍然是快速和可扩展的。

B）利用检查点功能从节点故障中恢复（但希望您的CPU核心不会出现故障）。

所以最后，map reduce实际上既不是关于map，也不是关于reduce函数。这是关于它周围的框架；即使有糟糕的"map"one_answers"reduce"函数，它也会给你带来良好的性能（除非你在洗牌步骤中失去了对数据集大小的控制！）。

在单个节点上执行多线程map reduce所获得的收益相当低，而且很可能有比map reduce更好的方法来为共享内存架构并行化商店。。。

不幸的是，这些天围绕mapreduce有很多炒作（但了解太少）。如果你查阅原始论文，它会详细介绍"备份任务"、"机器故障"one_answers"局部优化"（对于内存中的单个主机用例来说，这两个都没有意义）。

仅仅因为它有一个"map"和一个"reduce"还不能使它成为"mapreduce）"
如果它有优化的洗牌、节点崩溃和掉队者恢复，那么它就是一个MapReduce

相关内容

最新更新

热门标签：