有人做过基准吗?我很好奇,如果使用字符串连接或在Node和现代浏览器中使用模板文字,HTML生成代码更快。
例如:
字符串连接
"<body>"+
"<article>"+
"<time datetime='" + date.toISOString() +"'>"+ date +"</time>"+
"</article>"+
"</body>"
模板文字
`<body>
<article>
<time datetime='${ date.toISOString() }'>${ date }</time>
</article>
</body>`
答案 0 :(得分:60)
目前似乎字符串连接速度更快:http://jsperf.com/es6-string-literals-vs-string-concatenation
ES6 with variable 19,992,512 ±5.21% 78% slower
String concatenation with variable 89,791,408 ±2.15% fastest
ES6 with function 461,358 ±3.12% 99% slower
String concatenation with function 503,255 ±1.77% 99% slower
我测试的是在Chrome 43.0.2334.0 canary(64位)上运行,它使用的是V8 4.3.31,并启用了#enable-javascript-harmony
标记。
作为参考,Node.js上的最新版本(撰写本文时为0.12.0)正在使用V8 3.28.73:https://raw.githubusercontent.com/joyent/node/master/ChangeLog
我确定可以应用的所有可能的性能优化尚未应用,因此,当ES6接近完成并且这些功能迁移到稳定分支时,期望性能变得更好是合理的
编辑:感谢评论@ user1329482,@ icl7126,Nicolai Borisik和FesterCluck。现在,自从提出这个问题已经过去了大约2年,ES6浏览器支持已经大大增加,并且已经进行了大量的性能优化。以下是一些更新:
在Chrome中(截至59.0.3035), ES6字符串文字更快:
ES6 with variable 48,161,401 ±1.07% fastest
String concatenation with variable 27,046,298 ±0.48% 44% slower
ES6 with function 820,441 ±1.10% 98% slower
String concatenation with function 807,088 ±1.08% 98% slower
在Firefox(截至57.0.0)中, ES6字符串文字更快:
ES6 with variable 1,924,610,984 ±0.50% fastest
String concatenation with variable 1,876,993,458 ±0.79% 3% slower
ES6 with function 539,762 ±5.04% 100% slower
String concatenation with function 546,030 ±5.88% 100% slower
在Safari(截至11.0.2)中,它取决于:
ES6 with variable 1,382,752,744 ±0.71% fastest
String concatenation with variable 1,355,512,037 ±0.70% 2% slower
ES6 with function 876,516 ±1.01% 100% slower
String concatenation with function 883,370 ±0.79% 100% slower
使用类型转换字符串时, ES6字符串文字更快。但是,从文字中调用函数时,字符串连接在此示例中更快。
如果你真的想要深入并且需要从Safari中挤出每一滴性能,我建议设置一些测试,以查看在文字效果性能中是否/如何错误地键入变量和多个引用。
答案 1 :(得分:6)
我对 node.js v6.0.0 进行了一次天真的测试,并获得了几乎相同的性能。由于测试太天真,不要太相信这些数字。但是现在JIT编译器似乎生成了非常优化的代码。这让我决定为我的节点应用程序选择模板而不是连接。
作为参考,这是我使用的代码:
'use strict'
function strConcat(i) {
return 'abc' + i + 'def'
}
function strTemplate(i) {
return `abc${i}def`
}
function run(strategy) {
let before = new Date().getTime()
let len = 0
for ( let i = 0; i < 10000000; i+=1 ) {
len += strategy(i).length
}
console.log(len + ' - ' + ((new Date().getTime()) - before) + 'ms')
}
console.log('strConcat')
run(strConcat)
console.log('strTemplate')
run(strTemplate)
输出结果为:
strConcat
128888890 - 1904ms
strTemplate
128888890 - 1979ms
我使用len
来绝对确保优化器不会优化整个循环。无论如何,它仍然是一个非常简单的测试。也许有人可以做一个更复杂的。
答案 2 :(得分:1)
对于随机数字作为字符串的简单测试,两者在Chrome和&amp; FF
在Chrome 58.0.3029 / Windows 10中进行测试
字符串文字2,996,883±2.36%最快
运算符(+)3,054,078±2.01%最快
Concat功能2,659,391±2.35%慢13%
在Firefox 53.0.2 / Windows 10中进行测试
字符串文字1,923,835±1.52%最快
运营商(+)1,948,503±1.13%最快
Concat功能1,810,857±1.81%慢8%
答案 3 :(得分:1)
连接速度更快,更一致。 但对于1或2个变量,差异很小(对于1亿次呼叫,低于.3秒)。
第二次运行后,似乎连接主要是两者中的更快。
所以,我希望扩展analog-nico's answer,提供更广泛的测试,并且看起来(稍微)一下这两个函数的可伸缩性。
我决定为每个函数使用四个测试用例,前面有一个变量,前面有一个变量,中间有一个变量,中间有两个变量。基本设置是一样的。我只使用了100,000,000次迭代的函数,这些迭代运行了100次。 我使用相同的机制来防止优化,即获得结果字符串的长度之和并记录它。我还记录了所需的时间(我猜测它需要多长时间),但也将它保存到一个数组中。
之后,我计算了每种方法的平均值,最小值,最大值和标准差。
结果如下:
{
sum: {
t: {
start: 2072751,
mid: 2338476,
end: 2083695,
double: 2950287
},
c: {
start: 2086059,
mid: 2345551,
end: 2074732,
double: 2922929
}
},
avg: {
t: {
start: 20727.51,
mid: 23384.76,
end: 20836.95,
double: 29502.87
},
c: {
start: 20860.59,
mid: 23455.51,
end: 20747.32,
double: 29229.29
}
},
sd: {
t: {
start: 335.6251329981114,
mid: 282.9490809315344,
end: 286.2220947096852,
double: 216.40844045461824
},
c: {
start: 255.4803356424913,
mid: 221.48744862858484,
end: 238.98242111084238,
double: 209.9309074433776
}
},
min: {
t: {
start: 20490,
mid: 23216,
end: 20588,
double: 29271
},
c: {
start: 20660,
mid: 23258,
end: 20534,
double: 28985
}
},
max: {
t: {
start: 23279,
mid: 25616,
end: 22887,
double: 30843
},
c: {
start: 22603,
mid: 25062,
end: 22403,
double: 30536
}
}
}
t
中的值 - 对象用于模板,c
中的值 - 对象用于连接。 start
表示变量位于开头,中间表示位于中间,结尾表示它位于结尾,双倍表示存在两个变量。 sum
是所有100次运行的总和。 avg
是平均值,表示sum / 100
。 sd
Here is the easy way out, wikipedia (simple english)。 min
和max
分别是运行的最小值和最大值。
对于不位于字符串末尾的单个变量,似乎模板更快,考虑到平均值较低而最小值较低。如果将变量放在字符串的末尾或者在字符串中包含多个变量,则连接速度会更快。
尽管模板的最小值和平均值在前两个条件下优于它们的串联对应物,但标准偏差始终更差。差异似乎随着更多变量而缩小(需要更多测试)。
由于大多数模板不可能只用于字符串中的一个变量,因此可以说坚持连接会产生更好的性能。 但差异是(至少现在)非常微不足道。在两个变量的100,000,000(1亿)次评估中,差异仅为273,58 ms,约为四分之一秒......
第二轮看起来有点不同。除了最大值,平均绝对偏差和标准差之外,每个测量都证明连接比模板更快。
当变量位于字符串的末尾或字符串中有两个变量时,上面提到的三个测量值对模板的值较低(因此更好)。
结果如下:
{
"sum": {
"t": {
"start": 1785103,
"mid": 1826679,
"end": 1719594,
"double": 2110823,
"many": 4153368
},
"c": {
"start": 1720260,
"mid": 1799579,
"end": 1716883,
"double": 2097473,
"many": 3836265
}
},
"avg": {
"t": {
"start": 17851.03,
"mid": 18266.79,
"end": 17195.94,
"double": 21108.23,
"many": 41533.68
},
"c": {
"start": 17202.6,
"mid": 17995.79,
"end": 17168.83,
"double": 20974.73,
"many": 38362.65
}
},
"sd": {
"t": {
"start": 858.7857061572462,
"mid": 886.0941856823124,
"end": 786.5366719994689,
"double": 905.5376950188214,
"many": 1744.9005638144542
},
"c": {
"start": 599.0468429096342,
"mid": 719.1084521127534,
"end": 935.9367719563112,
"double": 991.5642274204934,
"many": 1465.1116774840066
}
},
"aad": {
"t": {
"start": 579.1207999999996,
"mid": 576.5628000000003,
"end": 526.8268,
"double": 586.9651999999998,
"many": 1135.9432000000002
},
"c": {
"start": 467.96399999999966,
"mid": 443.09220000000016,
"end": 551.1318000000008,
"double": 610.2321999999999,
"many": 1020.1310000000003
}
},
"min": {
"t": {
"start": 16932,
"mid": 17238,
"end": 16387,
"double": 20016,
"many": 39327
},
"c": {
"start": 16477,
"mid": 17137,
"end": 16226,
"double": 19863,
"many": 36424
}
},
"max": {
"t": {
"start": 23310,
"mid": 24102,
"end": 21258,
"double": 26883,
"many": 49103
},
"c": {
"start": 19328,
"mid": 23203,
"end": 22859,
"double": 26875,
"many": 44352
}
},
"median": {
"t": {
"start": 17571,
"mid": 18062,
"end": 16974,
"double": 20874,
"many": 41171.5
},
"c": {
"start": 16893.5,
"mid": 18213,
"end": 17016.5,
"double": 20771,
"many": 38849
}
}
}
答案 4 :(得分:0)
我认为上述基准没有用。未使用插值或串联的结果。所以是的,串联非常快,因为那里没有字符串对应,结果字符串也只有到父字符串的链接。但是,如果您尝试使用结果字符串或与另一个字符串进行比较,则该字符串将被序列化为平面字符串,是的,这将需要一些时间。因此,在实际情况下,内插可能对连接CPU和内存使用更为有效。