• lua面向对象封装及元表(metatable)性能测试


      Lua本身是没有面向对象支持的,但面向对象编程在逻辑复杂的大型工程却很有用。于是很多人用Lua本身的数据结构table来模拟面向对象。最简单的一种方法是把对象的方法、成员都放到table中。如:

    -- file:test.lua
    
    local test = {}
    
    function test:get_x()
        return self.x or 0
    end
    
    function test:set_x( _x )
        self.x = _x
    end
    
    local test_module = {}
    
    function test_module.new()
        local t = {}
        for k,v in pairs( test ) do
            t[k] = v
        end
    
        return t
    end
    
    return test_module

    调用也比较简单:

    -- file:main.lua
    
    local test = require "test"
    
    local _t = test.new()
    
    _t:set_x( 999 )
    print( _t:get_x() )

    这已经很像面向对象编程。但我们可以看到这样写有些缺点:

    1.数据和方法混在一起(当然这不是什么大问题,C++也是这样)

    2.每创建一个对象,都要将方法复制一遍

    3.没法继承

    Lua有强大的元表(metatable),利用它我们可以更优雅地封装一下:

    1.先统一封装一个面向对象函数:

    -- file:oo.lua
    
    local oo = {}
    
    local cls = {}
    
    local function new( clz )
        local t = {}
        setmetatable(t, clz)
    
        return t
    end
    
    function oo.class( parent,name )
        local t = {}
        cls[name] = t
    
        parent = parent or {}
        rawset( t,"__index",t )
        setmetatable( t,{ __index = parent,__call = new } )
    
        return t
    end
    
    return oo

    2.然后重新写类的实现:

    -- file:test.lua
    
    local oo = require "oo"
    
    local test = oo.class( nil,... )
    
    function test:get_x()
        return self.x or 0
    end
    
    function test:set_x( _x )
        self.x = _x
    end
    
    return test

    3.调用也更加简单了:

    -- file:main.lua
    
    local Test = require "test"
    
    local _t = Test()
    
    _t:set_x( 999 )
    print( _t:get_x() )

    可以看到,利用元表,我们可以把方法全部放到元表中,与对象成员数据分开。元表本身是一个表,它也有元表,可以把父类作为元表的元表实现继承。我们如果再扩展一下,还可以实现对象方法的热更,对象统计...

      虽然元表很巧妙,但它的实现是有代价的。Lua得先在table中查找是否有相同的值,如果没有,再去元表找。如果是多重继承,那么还得一层层元表找下去。下面我们来测试一下元表的效率。

    -- lua metatable performance test
    -- 2016-04-01
    -- xzc
    
    local test = function( a,b ) return a+b end
    
    local empty_mt1 = {}
    local empty_mt2 = {}
    local empty_mt3 = {}
    local empty_mt4 = {}
    local empty_mt5 = {}
    local empty_mt6 = {}
    local empty_mt7 = {}
    local empty_mt8 = {}
    
    local mt = {}
    mt.test = test
    
    local mt_tb = {}
    
    setmetatable( empty_mt8,{__index = mt} )
    setmetatable( empty_mt7,{__index = empty_mt8} )
    setmetatable( empty_mt6,{__index = empty_mt7} )
    setmetatable( empty_mt5,{__index = empty_mt6} )
    setmetatable( empty_mt4,{__index = empty_mt5} )
    setmetatable( empty_mt3,{__index = empty_mt4} )
    setmetatable( empty_mt2,{__index = empty_mt3} )
    setmetatable( empty_mt1,{__index = empty_mt2} )
    setmetatable( mt_tb,{__index = empty_mt1} )
    
    local tb = {}
    tb.test = test
    
    local ts = 10000000
    
    f_tm_start()
    local cnt = 0
    for i = 1,ts do
        cnt = test( cnt,1 )
    end
    f_tm_stop( "call function native" )
    
    f_tm_start()
    local cnt = 0
    for i = 1,ts do
        cnt = tb.test( cnt,1 )
    end
    f_tm_stop( "call function as table value" )
    
    f_tm_start()
    for i = 1,ts do
        cnt = empty_mt6.test( cnt,1 )
    end
    f_tm_stop( "call function with 3 level metatable" )
    
    f_tm_start()
    for i = 1,ts do
        cnt = mt_tb.test( cnt,1 )
    end
    f_tm_stop( "call function with 10 level metatable" )

    在我的笔记本上测试,结果为:

    local ts = 10000000
    call function native	1091772	microsecond
    call function as table value	1287172	microsecond
    call function with 3 level metatable	2014431	microsecond
    call function with 10 level metatable	3707181	microsecond
    

    可以看到,采用第一种方法封闭的面向对象比原生函数调用慢不了多少,但用第二种方法实现3重继承的话,几乎慢了一倍。

      在实际项目中,我们用的是第二种封装方式,最主要是可以继承和热更代码。虽然效率有一定影响,但实际应用中逻辑消耗的时间比函数调用的时间仍大得多,这点损耗可以接受。这个世界上没有最快,只有更快,不必盯着程序的效率看。在满足项目要求的情况下,开发效率也是很值得考虑的。

  • 相关阅读:
    搭建yum本地仓库
    VMware中安装Windows_Server_2008_R2
    2020.03.21 JOI春令营&A组 总结
    2020.03.18【NOIP提高组】模拟A 组 总结
    2020.03.14【NOIP提高组】模拟A 组 总结
    2020NOI在线能力测试【入门组】跑步
    价值备注
    Dockers 学习
    给网站配置免费的HTTS证书
    熟悉pyspider的装饰器
  • 原文地址:https://www.cnblogs.com/coding-my-life/p/5352272.html
Copyright © 2020-2023  润新知