编写高性能的Lua代码

转自http://wuzhiwei.net/lua_performance/

使用local

在代码运行前，Lua会把源码预编译成一种中间码，类似于Java的虚拟机。这种格式然后会通过C的解释器进行解释，整个过程其实就是通过一个while循环，里面有很多的switch...case语句，一个case对应一条指令来解析。

自Lua 5.0之后，Lua采用了一种类似于寄存器的虚拟机模式。Lua用栈来储存其寄存器。每一个活动的函数，Lua都会其分配一个栈，这个栈用来储存函数里的活动记录。每一个函数的栈都可以储存至多250个寄存器，因为栈的长度是用8个比特表示的。

有了这么多的寄存器，Lua的预编译器能把所有的local变量储存在其中。这就使得Lua在获取local变量时其效率十分的高。

举个栗子： 假设a和b为local变量，a = a + b的预编译会产生一条指令：

0 1	;a是寄存器0 b是寄存器1 ADD 0 0 1

但是若a和b都没有声明为local变量，则预编译会产生如下指令：

0 1 2 3

GETGLOBAL      0 0      ;get a GETGLOBAL      1 1      ;get b ADD            0 0 1    ;do add SETGLOBAL      0 0      ;set a

所以你懂的：在写Lua代码时，你应该尽量使用local变量。

以下是几个对比测试，你可以复制代码到你的编辑器中，进行测试。

0 1 2 3 4 5

a = os . clock ( ) for i = 1 , 10000000 do    local x = math . sin ( i ) end b = os . clock ( ) print ( b - a ) --1.113454

把math.sin赋给local变量sin：

0 1 2 3 4 5 6

a = os . clock ( ) local sin = math . sin for i = 1 , 10000000 do    local x = sin ( i ) end b = os . clock ( ) print ( b - a ) --0.75951

直接使用math.sin，耗时1.11秒；使用local变量sin来保存math.sin，耗时0.76秒。可以获得30%的效率提升！

关于表(table)

表在Lua中使用十分频繁，因为表几乎代替了Lua的所有容器。所以快速了解一下Lua底层是如何实现表，对我们编写Lua代码是有好处的。

Lua的表分为两个部分：数组(array)部分和哈希(hash)部分。数组部分包含所有从1到n的整数键，其他的所有键都储存在哈希部分中。

哈希部分其实就是一个哈希表，哈希表本质是一个数组，它利用哈希算法将键转化为数组下标，若下标有冲突(即同一个下标对应了两个不同的键)，则它会将冲突的下标上创建一个链表，将不同的键串在这个链表上，这种解决冲突的方法叫做：链地址法。

当我们把一个新键值赋给表时，若数组和哈希表已经满了，则会触发一个再哈希(rehash)。再哈希的代价是高昂的。首先会在内存中分配一个新的长度的数组，然后将所有记录再全部哈希一遍，将原来的记录转移到新数组中。新哈希表的长度是最接近于所有元素数目的2的乘方。

当创建一个空表时，数组和哈希部分的长度都将初始化为0，即不会为它们初始化任何数组。让我们来看下执行下面这段代码时在Lua中发生了什么：

0 1 2 3

local a = { } for i = 1 , 3 do      a [ i ] = true end

最开始，Lua创建了一个空表a，在第一次迭代中，a[1] = true触发了一次rehash，Lua将数组部分的长度设置为2^0，即1，哈希部分仍为空。在第二次迭代中，a[2] = true再次触发了rehash，将数组部分长度设为2^1，即2。最后一次迭代，又触发了一次rehash，将数组部分长度设为2^2，即4。

下面这段代码：

0 1	a = { } a . x = 1 ; a . y = 2 ; a . z = 3

与上一段代码类似，只是其触发了三次表中哈希部分的rehash而已。

只有三个元素的表，会执行三次rehash；然而有一百万个元素的表仅仅只会执行20次rehash而已，因为2^20 = 1048576 > 1000000。但是，如果你创建了非常多的长度很小的表（比如坐标点：point = {x=0,y=0}），这可能会造成巨大的影响。

如果你有很多非常多的很小的表需要创建时，你可以将其预先填充以避免rehash。比如：{true,true,true}，Lua知道这个表有三个元素，所以Lua直接创建了三个元素长度的数组。类似的，{x=1, y=2, z=3}，Lua会在其哈希部分中创建长度为4的数组。

以下代码执行时间为1.53秒：

0 1 2 3 4 5 6

a = os . clock ( ) for i = 1 , 2000000 do      local a = { }      a [ 1 ] = 1 ; a [ 2 ] = 2 ; a [ 3 ] = 3 end b = os . clock ( ) print ( b - a )    --1.528293

如果我们在创建表的时候就填充好它的大小，则只需要0.75秒，一倍的效率提升！

0 1 2 3 4 5 6

a = os . clock ( ) for i = 1 , 2000000 do      local a = { 1 , 1 , 1 }      a [ 1 ] = 1 ; a [ 2 ] = 2 ; a [ 3 ] = 3 end b = os . clock ( ) print ( b - a )    --0.746453

所以，当需要创建非常多的小size的表时，应预先填充好表的大小。

关于字符串

与其他主流脚本语言不同的是，Lua在实现字符串类型有两方面不同。

第一，所有的字符串在Lua中都只储存一份拷贝。当新字符串出现时，Lua检查是否有其相同的拷贝，若没有则创建它，否则，指向这个拷贝。这可以使得字符串比较和表索引变得相当的快，因为比较字符串只需要检查引用是否一致即可；但是这也降低了创建字符串时的效率，因为Lua需要去查找比较一遍。

第二，所有的字符串变量，只保存字符串引用，而不保存它的buffer。这使得字符串的赋值变得十分高效。例如在Perl中，$x = $y，会将$y的buffer整个的复制到$x的buffer中，当字符串很长时，这个操作的代价将十分昂贵。而在Lua，同样的赋值，只复制引用，十分的高效。

但是只保存引用会降低在字符串连接时的速度。在Perl中，$s = $s . 'x'和$s .= 'x'的效率差距惊人。前者，将会获取整个$s的拷贝，并将’x’添加到它的末尾；而后者，将直接将’x’插入到$x的buffer末尾。

由于后者不需要进行拷贝，所以其效率和$s的长度无关，因为十分高效。

在Lua中，并不支持第二种更快的操作。以下代码将花费6.65秒：

0 1 2 3 4 5 6

a = os . clock ( ) local s = '' for i = 1 , 300000 do      s = s . . 'a' end b = os . clock ( ) print ( b - a )    --6.649481

我们可以用table来模拟buffer，下面的代码只需花费0.72秒，9倍多的效率提升：

0 1 2 3 4 5 6 7 8

a = os . clock ( ) local s = '' local t = { } for i = 1 , 300000 do      t [ # t + 1 ] = 'a' end s = table . concat ( t , '' ) b = os . clock ( ) print ( b - a )    --0.07178

所以：在大字符串连接中，我们应避免..。应用table来模拟buffer，然后concat得到最终字符串。

3R原则

3R原则（the rules of 3R）是：减量化（reducing），再利用（reusing）和再循环（recycling）三种原则的简称。

3R原则本是循环经济和环保的原则，但是其同样适用于Lua。

Reducing

有许多办法能够避免创建新对象和节约内存。例如：如果你的程序中使用了太多的表，你可以考虑换一种数据结构来表示。

举个栗子。 假设你的程序中有多边形这个类型，你用一个表来储存多边形的顶点：

0 1 2 3 4 5

polyline = {      { x = 1.1 , y = 2.9 } ,      { x = 1.1 , y = 3.7 } ,      { x = 4.6 , y = 5.2 } ,      . . . }

以上的数据结构十分自然，便于理解。但是每一个顶点都需要一个哈希部分来储存。如果放置在数组部分中，则会减少内存的占用:

0 1 2 3 4 5

polyline = {      { 1.1 , 2.9 } ,      { 1.1 , 3.7 } ,      { 4.6 , 5.2 } ,      . . . }

一百万个顶点时，内存将会由153.3MB减少到107.6MB，但是代价是代码的可读性降低了。

最变态的方法是：

0 1 2 3

polyline = {      x = { 1.1 , 1.1 , 4.6 , . . . } ,      y = { 2.9 , 3.7 , 5.2 , . . . } }

一百万个顶点，内存将只占用32MB，相当于原来的1/5。你需要在性能和代码可读性之间做出取舍。

在循环中，我们更需要注意实例的创建。

0 1 2 3 4

for i = 1 , n do      local t = { 1 , 2 , 3 , 'hi' }      --执行逻辑，但t不更改      . . . end

我们应该把在循环中不变的东西放到循环外来创建：

0 1 2 3 4

local t = { 1 , 2 , 3 , 'hi' } for i = 1 , n do      --执行逻辑，但t不更改      . . . end

Reusing

如果无法避免创建新对象，我们需要考虑重用旧对象。

考虑下面这段代码：

0 1 2 3

local t = { } for i = 1970 , 2000 do      t [ i ] = os . time ( { year = i , month = 6 , day = 14 } ) end

在每次循环迭代中，都会创建一个新表{year = i, month = 6, day = 14}，但是只有year是变量。

下面这段代码重用了表：

0 1 2 3 4 5

local t = { } local aux = { year = nil , month = 6 , day = 14 } for i = 1970 , 2000 do      aux . year = i ;      t [ i ] = os . time ( aux ) end

另一种方式的重用，则是在于缓存之前计算的内容，以避免后续的重复计算。后续遇到相同的情况时，则可以直接查表取出。这种方式实际就是动态规划效率高的原因所在，其本质是用空间换时间。

Recycling

Lua自带垃圾回收器，所以我们一般不需要考虑垃圾回收的问题。

了解Lua的垃圾回收能使得我们编程的自由度更大。

Lua的垃圾回收器是一个增量运行的机制。即回收分成许多小步骤（增量的）来进行。

频繁的垃圾回收可能会降低程序的运行效率。

我们可以通过Lua的collectgarbage函数来控制垃圾回收器。

collectgarbage函数提供了多项功能：停止垃圾回收，重启垃圾回收，强制执行一次回收循环，强制执行一步垃圾回收，获取Lua占用的内存，以及两个影响垃圾回收频率和步幅的参数。

对于批处理的Lua程序来说，停止垃圾回收collectgarbage("stop")会提高效率，因为批处理程序在结束时，内存将全部被释放。

对于垃圾回收器的步幅来说，实际上很难一概而论。更快幅度的垃圾回收会消耗更多CPU，但会释放更多内存，从而也降低了CPU的分页时间。只有小心的试验，我们才知道哪种方式更适合。

结语

我们应该在写代码时，按照高标准去写，尽量避免在事后进行优化。

如果真的有性能问题，我们需要用工具量化效率，找到瓶颈，然后针对其优化。当然优化过后需要再次测量，查看是否优化成功。

在优化中，我们会面临很多选择：代码可读性和运行效率，CPU换内存，内存换CPU等等。需要根据实际情况进行不断试验，来找到最终的平衡点。

最后，有两个终极武器：

第一、使用LuaJIT，LuaJIT可以使你在不修改代码的情况下获得平均约5倍的加速。查看LuaJIT在x86/x64下的性能提升比。

第二、将瓶颈部分用C/C++来写。因为Lua和C的天生近亲关系，使得Lua和C可以混合编程。但是C和Lua之间的通讯会抵消掉一部分C带来的优势。

注意：这两者并不是兼容的，你用C改写的Lua代码越多，LuaJIT所带来的优化幅度就越小。

声明

这篇文章是基于Lua语言的创造者Roberto Ierusalimschy在Lua Programming Gems 中的Lua Performance Tips翻译改写而来。本文没有直译，做了许多删节，可以视为一份笔记。

感谢Roberto在Lua上的辛勤劳动和付出！