您好, 欢迎来到 !    登录 | 注册 | | 设为首页 | 收藏本站

Python vs CPP:为什么速度差异如此之大?

Python vs CPP:为什么速度差异如此之大?

这是区别的一个简单示例:

i++在C 中,C 可以编译成简单的inc REGISTER指令(在x86-64机器上)。只需执行一小部分周期即可执行。

i += 1可以使用dis模块中的Python进行反汇编,通过dis.dis('i += 1')该模块可以通知我们所涉及的字节码为:

  1           0 LOAD_NAME                0 (i)
              2 LOAD_CONST               0 (1)
              4 INPLACE_ADD
              6 STORE_NAME               0 (i)
              8 LOAD_CONST               1 (None)
             10 RETURN_VALUE

在线尝试!

从技术上讲,所有的指令,在最终_NAME成为_FAST一个功能(我们拆开一个孤立的语句,所以它的表现略有不同),和LOAD_CONST (None)/RETURN_VALUE对将不是在一个真正的函数表达式存在(该功能必须这样做,但并非针对每个表达式),但足够接近。实际上,函数中的实际字节码将更像是:

  1           0 LOAD_FAST                0 (i)
              2 LOAD_CONST               0 (1)
              4 INPLACE_ADD
              6 STORE_FAST               0 (i)

这些指令中的每条指令都需要遍历一条switch语句或经过计算goto(取决于cpython的编译方式),加载下一条指令并更新代码位置信息(它还涉及反复检查以确保没有其他线程在请求GIL)。LOAD_FAST并且LOAD_CONST指令涉及到C数组查找和参考计数调整(单个参考计数调整仅i++与以前相同,不同之处在于它必须更改内存而不是寄存器,因此速度较慢)。STORE_FAST类似地,还涉及C数组查找,引用计数调整(以减小现有值),并经常释放内存(如果decref删除了对该值的最后一个引用)。INPLACE_ADD必须动态查找并调用函数指针来执行加法(首先是通过几层函数间接实现),该过程本身必须提取每个Python的基础C值int才能完成工作(如果数字足够大,这涉及到基于数组的数学运算,这很丑陋),(通常)创建一个全新的Pythonint对象,并且还要进行更多的引用计数调整。

基本上,为了获得与C / C 在针对寄存器的单个廉价汇编指令中所做的等效操作,Python必须执行(估计)六个 函数 调用包括 一个通过 函数指针的 调用),数十个内存查找, 一个一打左右的引用计数调整等。坦率地说,最令人惊讶的是Python所花的时间仅比C 长约24倍。

我会注意到,这里的 相对 成本对于简单的数学运算而言最高。单个字节码执行的工作越多,解释器开销的重要性就越小。不幸的是,这种情况下,你的代码是什么,但 简单的数学,所以Python(至少,cpython的)是在最坏的情况在这里

至于加快速度,主要规则是:

除此之外,您只需要接受动态类型的解释型语言总是会产生编译型,静态类型化语言所没有的开销。

解决第1点,您的代码的Python版本应如下所示:

def main():
    sum = 1
    for i in range(2, 100000):
        for j in range(2, i):
            if i%j == 0:
                sum += 1
                break

    print(sum)

if __name__ == "__main__":
    main()

您甚至可以将内部循环替换为:

    sum += any(i % j == 0 for j in range(2, i))

尽管这不太可能带来任何性能上的好处,但是只是简化了一点代码。使用可以带来性能优势range,它将增量和测试的所有基本数学运算捆绑到一个专用函数中,从而显着减少了开销。

为了说明字节码复杂度的不同,请考虑一个仅执行以下操作的函数,该函数使用while和以及手动计数器或for和进行循环range

def whileloop(n):
    i = 0
    while i < n:
        i += 1

def forloop(n):
    for i in range(n):
        pass

分解每个功能显示

  3           0 LOAD_CONST               1 (0)
              2 STORE_FAST               1 (i)

  4           4 SETUP_LOOP              20 (to 26)
        >>    6 LOAD_FAST                1 (i)
              8 LOAD_FAST                0 (n)
             10 COMPARE_OP               0 (<)
             12 POP_JUMP_IF_FALSE       24

  5          14 LOAD_FAST                1 (i)
             16 LOAD_CONST               2 (1)
             18 INPLACE_ADD
             20 STORE_FAST               1 (i)
             22 JUMP_ABSOLUTE            6
        >>   24 POP_BLOCK
        >>   26 LOAD_CONST               0 (None)
             28 RETURN_VALUE

whileloop和:

  8           0 SETUP_LOOP              16 (to 18)
              2 LOAD_GLOBAL              0 (range)
              4 LOAD_FAST                0 (n)
              6 CALL_FUNCTION            1
              8 GET_ITER
        >>   10 FOR_ITER                 4 (to 16)
             12 STORE_FAST               1 (i)

  9          14 JUMP_ABSOLUTE           10
        >>   16 POP_BLOCK
        >>   18 LOAD_CONST               0 (None)
             20 RETURN_VALUE

在线尝试!

forloop。循环的主体(每次遍历执行一次,包括测试终止条件的东西),用于whileLOAD_FAST以下SETUP_LOOP到的运行JUMP_ABSOLUTE,每个循环包含9条指令;对于for,它从FOR_ITER到运行JUMP_ABSOLUTE,仅包含三个指令。由于所有这些指令的工作都很琐碎,因此很容易看到对于带有while循环的手动管理的计数器来说,循环本身的开销将如何显着增加

python 2022/1/1 18:37:46 有232人围观

撰写回答


你尚未登录,登录后可以

和开发者交流问题的细节

关注并接收问题和回答的更新提醒

参与内容的编辑和改进,让解决方法与时俱进

请先登录

推荐问题


联系我
置顶