2 minute read

1. The C beneath R

我们在 Digest of Advanced R13.4 Implementation performance 讲过:

R is over 20 years old. It contains nearly 800,000 lines of code (about 45% C, 19% R, and 17% Fortran).

而 R 中的 C 的代表就是 SEXP 那一套,具体可以参 17.2 R’s C data structures

Seamless R and C++ Integration with Rcpp2.3 The R Applicataion Programming Interface 小节有讲:

  • .C(): appeared in an earlier version of the R language and is much more restrictive.
    • It only supports pointers to basic C types.
  • .Call(): is a much richer interface.
    • It can operate on SEXP objects.

此外在 Digest of Advanced R 我们还提到过:

  • .Internal()
  • .External()
  • .Primitive()


3. 结合 1 和 2 可以做到在 R 中调用 C 函数

结合 Digest of Advanced R17.1 Calling C functions from RSeamless R and C++ Integration with Rcpp2.4 A First Compilation with Rcpp 小节,我们可以得到一个完整点的例子:

// In C ----------------------------------------
#include <R.h>
#include <Rinternals.h>

SEXP add(SEXP a, SEXP b) {
  SEXP result = PROTECT(allocVector(REALSXP, 1));
  REAL(result)[0] = asReal(a) + asReal(b);

  return result;

// 假设编译得到 add.so
# In R ----------------------------------------

add <- function(a, b) {
  .Call("add", a, b)
  • dyn.load() loads the shared library. It uses the full filename, including
    • the explicit platform-dependent extension which is .so (Shared Object) on Unix,
    • .dll (Dynamic-Link Library) on Windows,
    • and .dylib (Dynamic Library) on OS X

其实我们在 R 里调用 .Call("add", a, b) 就已经做到了 “在 R 里调用 C 函数”;然后我们再定义一个同名的 R 函数 add <- fucntion() { .Call("add") },就成了 “把 C 函数转化成了 R 函数”。

4. library(inline) 简化了上面这种模式

Seamless R and C++ Integration with Rcpp1.2.4 Using Inline 小节有讲:

With inline package providing a complete wrapper around the compilation, linking, and loading steps, the programmer can concentrate on the actual code (in either one of the supported languages C, C++, or Fortran) and forget about the operating-system specific details of compilation, linking, and loading.

所以就是把上面第 3 节的模式(写 C 函数 => 编译 C 函数 => R 里 load .so => R 里 .Call() C 函数)全包了:

  • add <- cfunction() 就相当于上面的 add <- fucntion(...) { .Call(...) }
    • 如果底层是 C++ 代码,就用 add <- cxxfunction()
  • C 代码不用单独写在一个 C 文件里,直接把代码文本写在 cfunction(body=xxx) 参数里
    • body=xxx 里面不用写函数名和参数列表,直接写 function body 即可
  • dyn.load("add.so") 的步骤帮你省掉了

我们用 inline 来实现上面那个例子:


code <- '
	SEXP result = PROTECT(allocVector(REALSXP, 1));
	REAL(result)[0] = asReal(a) + asReal(b);
	return result;

add <- cfunction(signature(a="numeric", b="numeric"), body=code)
// 加一个 verbose=TREU 参数可以看到 cfunction 生成的临时的 C 文件


  • inline package 支持 C, C++, and Fortran。所以它是一个广泛的底层机制,并不是专门为 C++ 服务的。
  • 理解到这个层次,cxxfunction(plugin="Rcpp") 就成了个非常混淆视线的东西,因为我们用的仍然是 inline,而不是后面 library(Rcpp) 的写法;指定 plugin="Rcpp" 的作用是 “可以在 body=xxxx 的 C++ 代码里使用 Rcpp namespace 下的数据结构和方法,比如 Rcpp::wrap()Rcpp::NumericVector“。
    • 这从另一个角度说明,Rcpp 其实是包含两个层面的东西:
      • C++ 层面:Rcpp namespace,比如 Rcpp::wrap()Rcpp::NumericVector
      • R 层面:library(Rcpp),比如 Rcpp::cppFunction()Rcpp::sourceCpp()

5. library(Rcpp)


  • cppFunction()
    • 注意 cppFunction() 里面是写一个完整的函数,包括函数名、参数列表、函数体;不像 cfunction(body=xxx) 只写函数体。
    • 可以不写 add <- cppFunction(...),因为 cppFunction(...) 执行后,R 中就有一个同名的函数,可以直接调用。当然,你写也不会出错。
    • cppFunction() 也可以使用 plugin,写法为 cppFunction(..., depends="PLUGIN-NAME")
  • C++ 文件里写 Rcpp Attributes (比如 [[Rcpp::export]]),然后 R 里执行 sourceCpp()
    • 这么搞其实又回到第 3 节的 “C文件 + R文件” 模式上去了。

具体的例子参考 Digest of Advanced R16. High performance functions with Rcpp


6. 更进一步

RcppArmadillo, RcppEigen, RcppBDT and RcppGSL are packages using Rcpp. 同时它们也是 plugins。