Python入门指南, 3rd Edition

第 27 章 性能 性能

本作品已使用人工智能进行翻译。欢迎您提供反馈和意见：[e-mail]

有没有想过，如果闪电不走之字形路线，速度会是多少？

史蒂文-赖特

Python 通常已经够快了--直到它不够快。在许多情况下，您可以通过使用更好的算法或数据结构来提高速度。 诀窍在于知道该从哪里下手。 即使是经验丰富的程序员也经常会出人意料地猜错。 您需要像细心的裁缝一样，在裁剪之前先测量一下。 这让我们首先想到定时器。

在此之后，我们将介绍许多加快代码速度的技术：算法、数据结构以及用更快的语言（如 C 和 Rust）编写的辅助工具。

我们甚至还将了解一种有趣的新语言，它的目标是成为 Python++ - 与 Python 一样友好，比 C 语言更快（！），并且适用于人工智能开发和普通编程。

计算机硬件

在第 2 章中，我 对计算机的内部结构进行了简化描述。现在让我们来了解更多细节。

计算机内部有各种电路板，上面装有多个电子元件，通过电线连接，有的可见，有的很小。 计算核心是......内核，即中央处理器（CPU）。 以前只有一个，现在有很多。每个内核都有以下功能：

寄存器

保存输入数据并输出结果

算术逻辑单元 (ALU)

处理指令

控制单元

获取指令和数据

时钟

同步一切

从每个内核向外扩散的是这些元素：

• 多个内存缓存

• 随机存取存储器 (RAM)

• 固态硬盘 (SSD) 或闪存

• 一个或多个磁性硬盘

前两类是易失性的：绊倒电源线就会丢失其中的数据。 后两类在断电后仍能保留数据。

表 27-1是《Coding Gopher》YouTube 频道 一集中具有代表性的现代数据表的修改版：

表 27-1. 数据位置、速度和大小

函数名称	CPU 周期	时间（毫秒）	大小（字节）
CPU 寄存器	1	0.3	~100
L1 高速缓存	1-4	1.1	64K
二级缓存	10-20	3.3	256K
L3 高速缓存	20-50	12.8	8M
内存	100-200	62.9	32G
固态硬盘	3,000	~1,000	200G-1T
磁盘	10,000	~3,000	2-5T

越往下，存储空间越大，成本越低，速度越慢。 为了提高性能，我们希望尽可能多地在最上面几行进行操作。 程序和数据的长期存储在最下面几行。

操作系统负责处理各行之间的大量移动，如 虚拟内存（从固态硬盘或硬盘分页到内存）。我们都看到过，当计算机繁忙起来，开始在磁盘和内存之间交换数据时，性能会急剧下降，因为磁盘的速度要慢数千倍。

虽然计算机硬件和操作系统会努力让字节愉快地流动，但我们可以通过以下方法在软件层面提高性能：

数据

连续数据可以一起缓存和访问。独立创建的数据可能分散在 RAM 中，无法利用快速缓存。 阵列可能比单独项目列表更快。

并行性

过去，CPU 一次只能处理一个操作，而现在通过支持单指令、多数据（SIMD），CPU 可以同时处理多个操作。

并发

正如你在第 21 章中所学到的，使用并发功能尤其可以避免不涉及 CPU 的磁盘和网络 I/O 的 "繁忙等待"。

让我们从如何在 Python 中测量定时开始，然后访问许多提高性能的方法。

测量定时

您已经在 看到time 模块中的time() 函数 以浮点数秒的形式返回当前的纪元时间。快速计时的方法是获取当前时间，执行任务，获取新时间，然后用新时间减去原来的时间。 让我们把它写出来，如例 27-1 ...