为什么反射效率那么低？

qq_29817615 2016-06-15 07:37:56
我以为 只要查找到元数据 和方法 ， MethodInfo .Invoke 调用的时候和引用dll应该差不多快，
结果相差十万八千里，
反射效率差 不是由查找元数据引起的吗？为什么查找完成了 缓冲好了之后 还是那么慢？
一个普通方法1万次需要5毫秒，同样的方法 引用1000万次才5毫秒 差一千倍的开销。
...全文
1413 11 打赏 收藏 转发到动态 举报
写回复
用AI写文章
11 条回复
切换为时间正序
请发表友善的回复…
发表回复
qq_42254981 2019-06-26
  • 打赏
  • 举报
 回复
程序加载时，把需要用到的dll都加载上，使用时应该会快很多
江东子弟Pro 2019-06-25
  • 打赏
  • 举报
 回复
看了一下反射里面的源码实现，其实反射执行是要遍历这个对象的属性方法的（如果是字段就遍历相关对象全部字段，如果是是方法就遍历相关所有方法），当这个反射对象属性方法越多越复杂执行的时候，相对来说耗时越长。而通过对象直接执行调用是不需要经过这些复杂的操作。因此，上面这个测试，反射耗时不怎么多，只能是比价乐观的一种说法——反射的方法对象很简单。
Milo米啊米啊米 2016-06-17
  • 打赏
  • 举报
 回复
反射慢是正常的，它肯定没有代码里面直接调用来的快。因为反射是要动态的获取实例调用方法，这就要消耗资源去查找和计算。反射的过程中有递归和遍历的操作，这些都需要时间。因此如果没有必要非用反射不可，尽量不用反射，能静态调用就尽量静态调用吧，特别是你这种大量用到反射的情况，还是要优化一下。
zapdos 2016-06-16
  • 打赏
  • 举报
 回复
慢不要紧 不要造成性能瓶颈就没有多大问题 大多数瓶颈都不在于反射
ztmsimon 2016-06-16
  • 打赏
  • 举报
 回复
引用 4 楼 sp1234 的回复:
所以应该尽可能地按照接口编程，而不要动不动就“反射、反转”。要静态地设计开发，动态地应用，在编译时就检查出来大量编程类型不匹配的问题，让编译器可以基于强类型来产生代码。不要滥用解释性的东西。
这个我觉得说的很对啊。我现在代码中的接口实例化具体类的时候用到反射，后面的正常编程中都是使用接口进行，而不是每次需要接口的时候都反射一次。
我是飞云 2016-06-15
  • 打赏
  • 举报
 回复
引用 3 楼 qq_29817615 的回复:
[quote=引用 2 楼 feiyun_Web 的回复:] 这个数字挺科学的啊，怎么了？
反射 的方法缓冲 好 调用1000次5毫秒开销是正常的吧？[/quote] “1万次5毫秒”，只是个单纯的时间，代码和环境影响很大。可以确认的是反射很慢（相对的）。楼上大神已经说得很清楚了
以专业开发人员为伍 2016-06-15
  • 打赏
  • 举报
 回复
有些环节必须用反射。但是这应该是在核心的地方，例如1万行代码中只有几行、10几行涉及到反射，并且你的系统运行时平均每秒钟也不过只用到1次反射，甚至每10分钟才用一次反射（例如一个 Factory 被调用起来为一个框架进行初始化，以后这个框架就作为 static 的实例而再也不用反射了），这时候是正常的编程设计。 那种以反射为一切核心的，就是不好的框架。
以专业开发人员为伍 2016-06-15
  • 打赏
  • 举报
 回复
嗯，我以前在劝人不要滥用反射时，都是用“慢500倍”这个说法来说的。 反射本身就很慢。而且最主要的是编程者丧失了好的调试能力，许多问题只有等着在用户面前去丢人现眼地崩溃。 所以应该尽可能地按照接口编程，而不要动不动就“反射、反转”。要静态地设计开发，动态地应用，在编译时就检查出来大量编程类型不匹配的问题，让编译器可以基于强类型来产生代码。不要滥用解释性的东西。
qq_29817615 2016-06-15
  • 打赏
  • 举报
 回复
引用 2 楼 feiyun_Web 的回复:
这个数字挺科学的啊，怎么了？
反射 的方法缓冲 好 调用1000次5毫秒开销是正常的吧？
我是飞云 2016-06-15
  • 打赏
  • 举报
 回复
这个数字挺科学的啊，怎么了？
winner2050 2016-06-15
  • 打赏
  • 举报
 回复
应该写的代码有问题。
MIPI-video-mode- and -command-mode- differences
源码链接： https://pan.quark.cn/s/0f7c75cb3aad ### MIPI Video Mode 与 Command Mode 的差异 #### 一、引言 MIPI (Mobile Industry Processor Interface) 是一种用于连接移动设备中处理器及其外围设备的标准化接口。MIPI 接口支持多种协议，其中包含 DSI (Display Serial Interface) 和 DCS (Display Control Interface) 等协议。在 MIPI 接口的应用中，主要涉及两种工作模式：Video Mode（视频模式）和 Command Mode（命令模式）。本文旨在系统性地阐述这两种模式的工作机制、特性以及实际应用环境。 #### 二、LCD RAM 概念说明 在进一步探讨 MIPI 的两种模式之前，有必要对文中提及的“LCD RAM”概念进行明确。实际上，“LCD RAM”并非一个通用术语，而是本文作者用来描述 LCD 控制器中用于存储显示数据的内存区域。LCD（Liquid Crystal Display，液晶显示屏）通常配备一个控制 IC（Integrated Circuit，集成电路），该控制 IC 可能内置 RAM 以缓存显示数据。 #### 三、MIPI Video Mode（视频模式） **定义：** - 视频模式是一种类似于传统 RGB 接口的工作模式，它要求主机持续不断地向显示器传输刷新数据。 - 在这种模式下，数据和控制信号以报文的形式通过 MIPI 总线进行传输。 - 显示器本身无需配备帧缓冲器，因为主机会周期性地刷新屏幕。 **特点：** 1. **实时性高：** 主机需要不...
CST端口离散设置-下载即用.zip
源码下载地址： https://pan.quark.cn/s/a4b39357ea24 在电磁模拟技术中，CST（Computer Simulation Technology）是一种被广泛采纳的软件工具，它主要用于电磁场、微波、天线以及射频系统的设计工作。本资料将详细分析CST软件中离散端口的具体配置方法，这些方法对于提升仿真结果的精确度和专业水准具有决定性作用。离散端口在CST软件中扮演着模拟信号输入或输出的重要角色，它们构成了仿真模型不可或缺的部分。在配置离散端口时，一个核心的原则是保证端口的方向与网格线保持一致，这是因为这样做能够有效降低计算过程中产生的误差，并确保仿真数据的有效性。如果未能遵循这一指导原则，可能会引发未知的计算问题，进而导致仿真结果失去可靠性。 在CST软件中配置离散端口，通常需要借助“Pick Points”这一功能。通过选择“Pick Edge Center”选项，端口将被设定在模型边缘的中心位置上。然而，这种做法并不总是能够确保端口与网格线保持平行。在某些特定情形下，模型的几何构造可能不允许直接选取一个与网格线平行的边作为端口的安装位置。 为了克服这一挑战，可以采用多种不同的策略。如果模型本身已经包含一条与馈电口平行的边，那么可以直接利用这条边来建立端口，此时CST软件会自动调整端口使其与网格线对齐。另一种可选的方法是，当模型不具备现成的平行边时，用户可以手动构建一个几何结构，比如一个立方体，并使其边缘与馈电口平行。通过这种方式，新建立的几何结构的边缘就可以作为端口的位置，从而确保端口与网格线的平行关系。 在实施上述操作时，必须关注端口尺寸的合理性和物理意义的一致性。端口的尺寸应当依据实际天线馈电部分的尺寸进行适当调整，过大的端口或...
【Axure实战原型】高标准农田综合服务平台RP文件
原型名称：【实战原型】高标准农田信息化管理系统 软件版本：Axure 9（支持10、11） 作品类型：智慧农业、高标农田、农业发展、农业农村、农场经济、农田管护 作品范围：Web端+APP端 原型简介： 聚焦“藏粮于地、藏粮于技”，系统融合“一张图、建设监管、生产管理、视频监控、农机调度、四情监测”六大核心功能，实现农田“可视、可管、可控、可预警”。依托物联网、GIS与AI技术，打造从建设到管护、从生产到决策的全周期数字化管理平台，助力农业提质增效、节本降耗，筑牢国家粮食安全数字化底座。
Html目录树-下载即用.zip
源码链接： https://pan.quark.cn/s/a4b39357ea24 HTML网页目录树效果是一种在网页上呈现层次结构的常用手段，特别适合于文件系统、网站导航或组织复杂信息。本文将深入阐述如何运用HTML、CSS和JavaScript（可能结合JSP）来构建这种效果，以及如何在实现该功能时维持轻量化和低资源的使用。 一、HTML基础 HTML（超文本标记语言）是网页内容的框架，负责构建网页的基本构造。在构建目录树时，我们通常借助`
tensorflow图像识别
代码下载链接： https://pan.quark.cn/s/a4b39357ea24 【使用TensorFlow进行图像识别】 图像识别作为计算机视觉领域的关键任务之一，其核心在于通过算法解析和理解图像所包含的信息。在此资源中，我们将集中探讨如何借助功能强大的深度学习框架TensorFlow来执行手写数字识别。手写数字识别构成了众多实际应用的基础，例如自动支票处理、光学字符识别（OCR）等场景。 TensorFlow是由Google创建的一个开源库，它主要用于数值运算和机器学习，尤其在深度学习方面表现卓越。其核心优势在于可以构建并训练复杂的神经网络架构，并且在多种硬件环境中实现高效执行，涵盖CPU和GPU平台。 在此实践项目中，我们将运用TensorFlow来构建一个卷积神经网络（CNN）模型，这种架构是处理图像数据的理想选择。CNNs通过模仿人脑视觉皮层的运作机制，能够自主地提取图像中的关键特征，进而达成识别目标。在手写数字识别的特定情境下，这些特征可能涉及笔画的几何形态、走向以及相互间的连接模式。 对于CNN的基础结构，我们需要具备相应的认知，其通常由卷积层、池化层、全连接层以及激活函数等部分组成。卷积层借助滤波器（亦称卷积核）对图像进行扫描，以捕捉局部特征；池化层则用于降低数据维度，同时保留核心信息；全连接层将特征向量映射至各类别的概率分布；而激活函数如ReLU则通过引入非线性元素，使模型能够学习更为复杂的模式。 在此案例中，建议采用MNIST数据集，这是一个广泛用于手写数字识别的标准测试集。该数据集包含60,000个训练样本和10,000个测试样本，每个样本均为28x28像素的灰度图像，代表0到9这十个数字中的某一个。为了训练模型，必须首先加载数据，并...
C#

111,129

社区成员

642,540

社区内容

发帖
与我相关
我的任务
社区描述
.NET技术 C#
社区管理员
  • C#
  • Creator Browser
  • by_封爱
加入社区
  • 近7日
  • 近30日
  • 至今

加载中

查看更多榜单
社区公告

让您成为最强悍的C#开发者

试试用AI创作助手写篇文章吧

+ 用AI写文章