Her zaman Python'un avantajlarının kod okunabilirliği ve geliştirme hızı olduğunu düşünmüşümdür, ancak zaman ve bellek kullanımı C ++ 'daki kadar iyi değildi.
Bu istatistikler beni gerçekten çok etkiledi.
Deneyiminiz Python ile C ++ zamanı ve bellek kullanımı hakkında size ne anlatıyor?
Yanıtlar:
Sanırım bu istatistikleri yanlış okuyorsunuz. Python'un C ++ 'dan yaklaşık 400 kat daha yavaş olduğunu ve tek bir durum haricinde, Python'un daha çok bir bellek domuzu olduğunu gösteriyorlar. Kaynak boyutuna gelince, Python kesinlikle kazanır.
Python ile olan deneyimlerim, herhangi bir ciddi sayı hesaplaması yaparken Python'un C ++ 'dan 10 ila 100 kat daha yavaş olduğu aynı kesin eğilimi gösteriyor. Bunun birçok nedeni vardır, en önemlileri: a) Python yorumlanırken C ++ derlenir; b) Python'un ilkelleri yoktur, yerleşik türler (int, float, vb.) dahil her şey nesnelerdir; c) bir Python listesi farklı türdeki nesneleri tutabilir, bu nedenle her bir girişin türü hakkında ek veri depolaması gerekir. Bunların tümü, hem çalışma süresini hem de bellek tüketimini ciddi şekilde engeller.
Bu Python'u görmezden gelmek için bir sebep değil. 100 zaman yavaşlık faktöründe bile birçok yazılım çok fazla zaman veya bellek gerektirmez. Geliştirme maliyeti, Python'un basit ve özlü stille kazandığı yerdir. Geliştirme maliyetindeki bu iyileştirme, genellikle ek işlemci ve bellek kaynaklarının maliyetinden daha ağır basar. Olmazsa, o zaman C ++ kazanır.
numpyve scipybüyük bir pythonkod tabanı daha yavaş bir şeyler yapma, saf Python kod çok olması muhtemeldir C++. bir python betiği C++, Ckodunun yüzdesi gittikçe bir betiğin hızına yaklaşır, 100bu noktada artık bir python betiği değildir. python elbette yükseliyor, ancak onun kadar hızlı olduğu için değil C++- çünkü kullanımı daha kolay.
Çatışmadaki en yavaş (> 100x) Python kullanımları, yüksek GFlop / s sayısı gerektiren bilimsel işlemlerdir. Zaten bunlar için python KULLANMAMALISINIZ. Python kullanmanın doğru yolu, bu hesaplamaları yapan bir modülü içe aktarmak ve ardından ailenizle rahatlatıcı bir öğleden sonra geçirmektir. Bu pitonik yol :)
Deneyimlerim kıyaslamalarla aynı. Python yavaş olabilir ve daha fazla bellek kullanır. Çok, çok daha az kod yazıyorum ve ilk seferinde çok daha az hata ayıklama ile çalışıyor. Benim için belleği yönettiği için, herhangi bir bellek yönetimi yapmam gerekmiyor, bu da çekirdek sızıntılarını takip etmek için saatler kazandırıyor.
Sorunuz nedir?
Kaynak boyutu gerçekten ölçmek için mantıklı bir şey değil. Örneğin, aşağıdaki kabuk betiği:
cat foobar
Python veya C ++ eşdeğerlerinden çok daha kısadır.
cat footer.
Ayrıca: Psyco ve C ++ .
Bu yine de kötü bir karşılaştırma, çünkü kimse sayı çatlaklarını yapmaz, zaten saf Python'da odaklanma eğilimindedir. Daha iyisi, programınızın gözle görülür şekilde daha yavaş olup olmayacağı konusunda bir fikir edinmek için gerçekçi uygulamaların veya C ++ ile NumPy'nin performansını karşılaştırmaktır.
Buradaki sorun, iki farklı sorunu çözen iki farklı dile sahip olmanızdır ... C ++ ile assembler'ı karşılaştırmak gibidir.
Python, hızlı uygulama geliştirme ve performansın minimum endişe kaynağı olduğu zamanlar içindir.
C ++, hızlı uygulama geliştirme için değildir ve düşük seviyeli programlama için C'den bir hız mirasını devralır.
Her zamanki gibi yönetilen ve kullanımı kolay programlama diliyle aynı problem - yavaştırlar (ve bazen hafızayı tüketirler).
Bunlar işlemden ziyade kontrol edilecek dillerdir. Görüntüleri dönüştürmek için uygulama yazmam ve Python'u da kullanmak zorunda kalsaydım, tüm işlemler C ++ dilinde yazılabilir ve bağlantılarla Python'a bağlanabilirken, arayüz ve işlem kontrolü kesinlikle Python olurdu.
Sanırım bu istatistikler Python'un çok daha yavaş olduğunu ve bu kıyaslamalar için daha fazla bellek kullandığını gösteriyor - bunları doğru şekilde okuduğunuzdan emin misiniz?
Çoğunlukla Python'da ağ ve dosya sistemine bağlı programlar yazmakla ilgili olan deneyimime göre, Python önemli olan hiçbir şekilde önemli ölçüde yavaş değildir. Bu tür işler için faydaları maliyetlerinden ağır basar.