NLua性能對比:C#注冊函數 vs 純Lua實現

引言

在NLua開發中,我們常面臨一個重要選擇:將C#函數注冊到Lua環境調用,還是直接在Lua中實現邏輯? 直覺告訴我們,C#作為編譯型語言性能更高,但跨語言調用的開銷是否會影響整體性能?本文通過基準測試揭示真相。


測試場景

實現安全索引訪問函數At,對比三種實現方式:

  1. NativeLuaAt:純Lua實現
  2. CSharpRegisterAt:C#實現并注冊到Lua
  3. NativeCSharpAt:純C#直接調用

測試環境:

  • .NET Framework 4.8.1
  • Intel Core i7-1260P
  • BenchmarkDotNet v0.15.0

性能數據對比

方法平均耗時內存分配
NativeLuaAt6,844 ns288 B
CSharpRegisterAt9,585 ns552 B
NativeCSharpAt106 ns32 B

在這里插入圖片描述


結論

出乎意料,直接在Lua中實現邏輯會更快,這里原因可能是將C#函數注冊到Lua環境調用涉及到上下文切換等耗時動作。
相關代碼見NLuaBenchmarkDotNetTest

代碼

Lua代碼

--[[
僅用于userdata索引訪問函數,C#定義
參數:tbl  : 目標Lua表(數組形式)index: 索引值(支持正負索引)strict: [可選]嚴格模式,默認false,設為true時額外校驗元素連續性
返回值:對應索引位置的元素
異常:類型錯誤或索引越界時拋出錯誤
--]]
function At(tbl, index)-- 參數校驗階段 -- 檢查第一個參數是否為tableif type(tbl) ~= "userdata" thenerror("bad argument #1 (expected table, got "..type(tbl)..")", 2)end-- 檢查索引是否為整數if type(index) ~= "number" or math.floor(index) ~= index thenerror("index must be integer, got "..type(index), 2)end-- 長度計算策略 local len = tbl.Length-- 嚴格模式下驗證表連續性-- 索引轉換邏輯 local adjusted_index-- 處理正索引(userdata是 的0-based)if index >= 0 thenadjusted_index = index -- 處理負索引(從末尾倒數)elseadjusted_index = len + index end-- 邊界檢查與錯誤處理 -- 有效索引范圍:1 ≤ index ≤ lenif adjusted_index < 0 or adjusted_index >= len thenlocal direction = index >=0 and "positive" or "negative"error(string.format("Index %d (%s) out of range [%d, %d]", index, direction, -len, len-1), 2)end-- 最終元素獲取 return tbl[adjusted_index]
end

C#代碼

        /// <summary>/// 安全索引訪問器(支持Lua數組的0-based索引規則)/// </summary>/// <param name="collection">目標集合(支持IList接口的集合)</param>/// <param name="index">索引值(支持負索引倒查)</param>/// <param name="strict">嚴格模式校驗元素連續性</param>/// <returns>索引位置的元素</returns>/// <exception cref="ArgumentNullException">輸入集合為空</exception>/// <exception cref="ArgumentException">集合類型不合法或索引無效</exception>public static object At(IEnumerable collection, int index, bool strict = false){// 參數基礎校驗if (collection == null)throw new ArgumentNullException(nameof(collection), "輸入集合不能為null");// 類型安全轉換IList list = collection as IList;if (list == null)throw new ArgumentException("輸入集合必須實現IList接口", nameof(collection));// 獲取有效長度int count = list.Count;if (count == 0)throw new ArgumentException("集合中不包含有效元素", nameof(collection));// 索引轉換邏輯int adjustedIndex = index >= 0 ? index : count + index;// 邊界校驗if (adjustedIndex < 0 || adjustedIndex >= count){string msg = $"索引 {index} 超出有效范圍 [{-count}, {count - 1}]";throw new ArgumentOutOfRangeException(nameof(index), msg);}// 嚴格模式校驗if (strict){// 校驗是否存在null元素for (int i = 0; i < count; i++){if (list[i] == null){throw new ArgumentException($"嚴格模式檢測到空元素 @ 位置 {i}");}}}return ConvertToDouble(list[adjustedIndex]);}

本文來自互聯網用戶投稿,該文觀點僅代表作者本人,不代表本站立場。本站僅提供信息存儲空間服務,不擁有所有權,不承擔相關法律責任。
如若轉載,請注明出處:http://www.pswp.cn/bicheng/82850.shtml
繁體地址,請注明出處:http://hk.pswp.cn/bicheng/82850.shtml
英文地址,請注明出處:http://en.pswp.cn/bicheng/82850.shtml

如若內容造成侵權/違法違規/事實不符,請聯系多彩編程網進行投訴反饋email:809451989@qq.com,一經查實,立即刪除!

相關文章

go并發與鎖之sync.Mutex入門

sync.Mutex 原理&#xff1a;一個共享的變量&#xff0c;哪個線程握到了&#xff0c;哪個線程可以執行代碼 功能&#xff1a;一個性能不錯的悲觀鎖&#xff0c;使用方式和Java的ReentrantLock很像&#xff0c;就是手動Lock&#xff0c;手動UnLock。 使用例子&#xff1a; v…

【HarmonyOS5】DevEco Studio 使用指南:代碼閱讀與編輯功能詳解

?本期內容&#xff1a;【HarmonyOS5】DevEco Studio 使用指南&#xff1a;代碼閱讀與編輯功能詳解 &#x1f3c6;系列專欄&#xff1a;鴻蒙HarmonyOS&#xff1a;探索未來智能生態新紀元 文章目錄 前言代碼閱讀代碼導航功能代碼折疊語法高亮跨語言跳轉代碼查找 快速查閱API接口…

【Python 深度學習】1D~3D iou計算

一維iou 二維 import numpy as npdef iou_1d(set_a, set_b):# 獲得集合A和B的邊界 x1, x2 set_ay1, y2 set_b# 計算交集的上下界low max(x1,y1)high - min(x2, y2)# 計算交集if high - low < 0:inter 0else:inter high - low# 計算并集union (x2 -x1) (y2 - y1) - in…

SpringBoot Controller接收參數方式, @RequestMapping

一. 通過原始的HttpServletRequest對象獲取請求參數 二. 通過Spring提供的RequestParam注解&#xff0c;將請求參數綁定給方法參數 三. 如果請求參數名與形參變量名相同&#xff0c;直接定義方法形參即可接收。(省略RequestParam) 四. JSON格式的請求參數(POST、PUT) 主要在PO…

智能防護實戰:從攻擊成本看企業安全降本增效

1. 網絡攻擊的低成本與高回報陷阱 暗網中&#xff0c;一次完整的網絡釣魚攻擊僅需30美元/月起步&#xff0c;而勒索軟件攻擊成本平均1000美元&#xff0c;卻能導致企業損失高達445萬美元&#xff08;IBM 2023年數據&#xff09;。例如&#xff0c;信用卡信息每條僅售10美元&am…

大語言模型 20 - MCP 在客戶端中使用 Cursor Cline 中配置 MCP 服務

MCP 基本介紹 官方地址&#xff1a; https://modelcontextprotocol.io/introduction “MCP 是一種開放協議&#xff0c;旨在標準化應用程序向大型語言模型&#xff08;LLM&#xff09;提供上下文的方式。可以把 MCP 想象成 AI 應用程序的 USB-C 接口。就像 USB-C 提供了一種…

MySQL 在 CentOS 7 環境下的安裝教程

&#x1f31f; 各位看官好&#xff0c;我是maomi_9526&#xff01; &#x1f30d; 種一棵樹最好是十年前&#xff0c;其次是現在&#xff01; &#x1f680; 今天來學習Mysql的相關知識。 &#x1f44d; 如果覺得這篇文章有幫助&#xff0c;歡迎您一鍵三連&#xff0c;分享給更…

WPF的基礎設施:XAML基礎語法

XAML基礎語法 1 控件聲明與屬性設置1.1 特性語法&#xff08;Attribute Syntax&#xff09;1.2 屬性元素語法&#xff08;Property Element Syntax&#xff09;1.3 特殊值標記擴展 2 x:Name與Name的區別3 注釋與代碼折疊4 實用技巧集合5 常見錯誤排查 XAML( Extensible Applic…

機器學習筆記【Week3】

一、邏輯回歸&#xff08;Logistic Regression&#xff09; 與線性回歸的區別&#xff1a; 問題類型輸出類型舉例回歸問題連續實數房價預測、氣溫預測分類問題離散類別&#xff08;0 或 1&#xff09;是否患病、是否點擊廣告、是否合格 我們希望構建一個模型&#xff0c;根據…

6.4.2_3最短路徑問題_Floyd算法

Floyd弗洛伊德 膜拜大佬&#xff0c;給大佬鞠躬鞠躬鞠躬。。。。。。。。。 Floyd算法 ----解決頂點間的最短路徑&#xff1a; 過程&#xff1a; 如下&#xff1a; 初始化(沒有中轉點)&#xff1a;2個鄰接矩陣A和path&#xff0c;第一個是沒有中轉點的2個頂點之間的最短路徑…

uniapp|實現多端圖片上傳、拍照上傳自定義插入水印內容及拖拽自定義水印位置,實現水印相機、圖片下載保存等功能

本文以基礎視角,詳細講解如何在uni-app中實現圖片上傳→水印動態編輯→圖片下載的全流程功能。 目錄 引言應用場景分析(社交媒體、內容保護、企業素材管理等)uniapp跨平臺開發優勢核心功能實現?圖片上傳模塊多來源支持:相冊選擇(`uni.chooseImage`)與拍照(`sourceType:…

2021年認證杯SPSSPRO杯數學建模B題(第二階段)依巴谷星表中的畢星團求解全過程文檔及程序

2021年認證杯SPSSPRO杯數學建模 B題 依巴谷星表中的畢星團 原題再現&#xff1a; 依巴谷衛星&#xff08;High Precision Parallax Collecting Satellite&#xff0c;縮寫為 Hip-parcos&#xff09;&#xff0c;全稱為“依巴谷高精度視差測量衛星”&#xff0c;是歐洲空間局發…

行為型:解釋器模式

目錄 1、核心思想 2、實現方式 2.1 模式結構 2.2 實現案例 3、優缺點分析 4、適用場景 5、注意事項 1、核心思想 目的&#xff1a;針對某種語言并基于其語法特征創建一系列的表達式類&#xff08;包括終極表達式與非終極表達式&#xff09;?&#xff0c;利用樹結構模式…

Redis分布式緩存核心架構全解析:持久化、高可用與分片實戰

一、持久化機制&#xff1a;數據安全雙引擎 1.1 RDB與AOF的架構設計 Redis通過RDB&#xff08;快照持久化&#xff09;和AOF&#xff08;日志持久化&#xff09;兩大機制實現數據持久化。 ? RDB架構&#xff1a;采用COW&#xff08;寫時復制&#xff09;技術&#xff0c;主進程…

換臉視頻FaceFusion3.1.0-附整合包

2025版最強換臉軟件FaceFusion來了&#xff08;附整合包&#xff09;超變態的換臉教程 2025版最強換臉軟件FaceFusion來了&#xff08;附整合包&#xff09;超變態的換臉教程 整合包地址&#xff1a; 「Facefusion_V3.1.0」 鏈接&#xff1a;https://pan.quark.cn/s/f71601a920…

論文閱讀筆記——Step1X-Edit: A Practical Framework for General Image Editing

Step1X-Edit 論文 當前圖像編輯數據集規模小&#xff0c;質量差&#xff0c;由此構建了如下數據構造管線。 高質量三元組數據&#xff08;源圖像、編輯指令、目標圖像&#xff09;。 主體添加與移除&#xff1a;使用 Florence-2 對專有數據集標注&#xff0c;然后使用 SAM2 進…

使用Python在PyCharm中進行交通工程數據分析的完整流程,包括數據清洗、挖掘、關聯、可視化和應用整合等各個階段

交通工程領域數據分析流程 下面我將詳細介紹使用Python在PyCharm中進行交通工程數據分析的完整流程,包括數據清洗、挖掘、關聯、可視化和應用整合等各個階段。 1. 數據準備與清洗 1.1 導入必要庫 import pandas as pd import numpy as np import matplotlib.pyplot as plt…

《軟件工程》第 2 章 -UML 與 RUP 統一過程

在軟件工程領域&#xff0c;UML&#xff08;統一建模語言&#xff09;與 RUP&#xff08;統一過程&#xff09;是進行面向對象軟件開發的重要工具和方法。接下來&#xff0c;我們將深入探討第 2 章的內容&#xff0c;通過案例和代碼&#xff0c;幫助大家理解和掌握相關知識。 …

Vue收集表單數據

在 Web 開發中&#xff0c;表單是用戶與系統交互的重要方式。無論是注冊、登錄、提交評論還是其他操作&#xff0c;都需要通過表單獲取用戶輸入的數據。Vue.js 提供了強大的響應式系統和指令&#xff0c;使得表單數據的收集變得簡單而高效。本文將詳細介紹如何在 Vue 中實現表單…

R基于多元線性回歸模型實現汽車燃油效率預測及SHAP值解釋項目實戰

說明&#xff1a;這是一個機器學習實戰項目&#xff08;附帶數據代碼文檔視頻講解&#xff09;&#xff0c;如需數據代碼文檔視頻講解可以直接到文章最后關注獲取。 1.項目背景 在全球環保意識日益增強和技術進步的推動下&#xff0c;汽車燃油效率成為了汽車行業關注的核心指標…