Tôi nghĩ rằng bạn đang đọc những chỉ số đó không chính xác. Họ cho thấy Python chậm hơn khoảng 400 lần so với C ++ và ngoại trừ một trường hợp duy nhất, Python là một con lợn nhớ nhiều hơn. Khi nói đến kích thước nguồn mặc dù, Python sẽ chiến thắng.
Kinh nghiệm của tôi với Python cho thấy xu hướng xác định tương tự rằng Python theo thứ tự chậm hơn từ 10 đến 100 lần so với C ++ khi thực hiện bất kỳ số lượng nghiêm trọng nào. Có nhiều lý do cho điều này, những lý do chính là: a] Python được giải thích, trong khi C ++ được biên dịch; b] Python không có nguyên thủy, mọi thứ bao gồm các loại tích hợp [int, float, v.v.] là các đối tượng; c] Danh sách Python có thể giữ các đối tượng thuộc loại khác nhau, vì vậy mỗi mục phải lưu trữ dữ liệu bổ sung về loại của nó. Tất cả đều cản trở nghiêm trọng cả thời gian chạy và tiêu thụ bộ nhớ.
Đây không phải là lý do để bỏ qua Python mặc dù. Rất nhiều phần mềm không yêu cầu nhiều thời gian hoặc bộ nhớ ngay cả với yếu tố chậm 100 lần. Chi phí phát triển là nơi Python chiến thắng với phong cách đơn giản và súc tích. Sự cải thiện về chi phí phát triển này thường vượt xa chi phí của CPU và tài nguyên bộ nhớ bổ sung. Tuy nhiên, khi không, C ++ sẽ thắng.
Tại sao Python chậm hơn C? Ban đầu xuất hiện trên Quora - nơi để đạt được và chia sẻ kiến thức, trao quyền cho mọi người học hỏi từ người khác và hiểu rõ hơn về thế giới.
Trả lời bởi Terry Lambert, nhóm nhân Kernel của Apple Core; Dẫn đầu kỹ thuật trong một số dự án trong hơn 8 năm, trên Quora:by Terry Lambert, Apple Core OS Kernel Team; technical lead on several projects over 8 years, on Quora:
Python chậm hơn C vì nó là ngôn ngữ được giải thích.
Điều này khuếch đại số lượng hướng dẫn CPU thực tế cần thiết để thực hiện một câu lệnh nhất định.
Trong một chương trình Python, bạn có thể thêm giá trị 1 vào một biến hoặc so sánh giá trị của một biến để xem liệu nó có nhỏ hơn một giá trị nhất định, lớn hơn một giá trị nhất định hoặc bằng một giá trị nhất định, chẳng hạn như trong :
Trong ngôn ngữ lắp ráp, bạn cũng có thể thực hiện vòng lặp này:
Sự khác biệt là mã Python sẽ được giải thích, thay vì trực tiếp bởi CPU.
Điều này làm cho tất cả sự khác biệt trên thế giới, liên quan đến hiệu suất.
Mã Python hầu như luôn luôn chạy trong một máy ảo.
.
Một tên khác cho một máy ảo là một trình thông dịch mã byte.
Mã được giải thích luôn chậm hơn mã máy trực tiếp, bởi vì cần nhiều hướng dẫn hơn để thực hiện một hướng dẫn được giải thích hơn là thực hiện một hướng dẫn máy thực tế.
Ví dụ thời gian! Yay!
Ví dụ, hãy để Lừa lấy X += 1. Trong CPU Intel, mức tăng của thanh ghi là một OP duy nhất, có độ trễ là 1 và giá trị thông lượng qua lại là 1/3.
Nói cách khác: Nó nói về hướng dẫn CPU nhanh nhất mà nó có thể có trên bộ xử lý Intel.
Làm thế nào là x += 1 này được hoàn thành trong Python?
Để biết điều này, bạn phải biết Python hoạt động trong nội bộ như thế nào.
Trong nội bộ, Python bao gồm một tokenizer, trình phân tích từ vựng, trình tạo mã byte và trình thông dịch bytecode:
- Tokenizer này chuyển đổi mã python đầu vào [tệp văn bản ASCII] thành luồng mã thông báo This converts input Python code [ASCII text files] into a token stream
- Phân tích từ vựng Đây là một phần của Python quan tâm đến tất cả các không gian và thụt lề có ý nghĩa đó. Đây là nơi kiểm tra cú pháp xảy ra. This is the part of Python that cares all about those meaningful spaces and indentation. This is where syntax checking happens.
- Trình tạo mã byte Đây là một phần của Python thực hiện các tối ưu hóa, nếu có; Bởi vì Python thực sự không phải là ngôn ngữ biên dịch, phạm vi tối ưu hóa bị hạn chế, so với các tối ưu hóa mà bạn có thể nhận được từ trình biên dịch C. This is the Part of Python that does the optimizations, if any; because Python is not actually a compile language, the range of optimizations is limited, compared to the optimizations which you might get out of a C compiler.
- Trình thông dịch bytecode Đây là một phần của Python hoạt động trên luồng mã byte và duy trì trạng thái của máy ảo Python. This is the part of Python that operates on the bytecode stream, and maintains the state of the Python virtual machine.
Bytecode, một khi được tạo thường được lưu trong bộ nhớ.
Điều này cung cấp một cải tiến tốc độ, bởi vì điều đó có nghĩa là bạn có thể tránh lặp lại mã thông báo, phân tích từ vựng và các bước tạo mã byte cho mã mà Python đã thấy.
Vì vậy, khi chúng tôi lặp lại vòng lặp trong khi chúng tôi có thể bỏ qua mã thông báo phân tích từ vựng và các bước tạo mã byte, và chỉ cần đưa mã byte cho trình thông dịch bytecode, hết lần này đến lần khác.
Điều này là nhanh, phải không?
Trên thực tế, không.
Mặc dù sử dụng mã byte được lưu trong bộ nhớ cache, nhưng đây không giống như hoạt động nhanh như mã máy.
Một máy ảo không phải là CPU thực tế mà mã đang chạy.
Một đoạn giới thiệu ngắn đến máy ảo.
Một trong những máy ảo được sử dụng sớm nhất được gọi là hệ thống P-P-SYST, từ Đại học California, San Diego. Đó là khoảng năm 1972.
Ngay sau đó, Microsoft đã phát hành phiên bản cơ bản của họ [dựa trên Đại học Dartmouth Basic từ năm 1964], điều này đã mã hóa mã cơ bản giống như cách mà Python token hóa ngày nay. Cơ bản được lưu trữ trong bộ nhớ theo cách tương tự như mã Bytecy python được lưu trữ trong bộ nhớ sau mã hóa, mặc dù độ trễ cơ bản một số giai đoạn phân tích từ vựng cho đến khi chạy. Trong máy ảo của nó: Trình thông dịch cơ bản.
Khác với việc không có số dòng cho mỗi dòng và sử dụng khoảng cách làm kỹ thuật quản lý khối báo cáo, thay vì không có và sử dụng goto thay vào đó, Python phần lớn giống với các phiên dịch viên cơ bản mà chúng tôi đã có 40 năm trước.
Biên soạn trực tuyến so với biên dịch.
Được biên dịch UCSD Pascal không được biên dịch cho ngôn ngữ lắp ráp, như trong các ngôn ngữ được biên dịch khác vào thời điểm đó.
Thay vào đó, nó được biên dịch thành mã P.
Apple, nơi tôi làm việc, có giấy phép không thể trả lời duy nhất cho hệ thống mã P của UCSD. Đây là một sai lầm cấp phép mà UCSD không lặp lại sau này.
Hầu hết các prodos trên Apple II được viết bằng Pascal và hầu hết tất cả các mã để thực hiện QuickDraw trong Macintoshes ban đầu được viết bằng Pascal.
Vì vậy, khi bạn nghĩ về một chương trình Pascal đã biên dịch, vào thời điểm đó, bạn đã nói về mã P. Hoặc Bytecode, nếu bạn là một người hâm mộ Java hoặc Python, và muốn giả vờ bạn đã phát minh ra một cái gì đó mới.
Python cũng có khái niệm về Python đã biên soạn; Đây là mã Python đã đi qua tokenizer, trình phân tích từ vựng và trình tạo mã byte, để có được những gì bạn có trong bộ nhớ làm bộ nhớ cache, đã sẵn sàng để cung cấp cho trình thông dịch bytecode [hay còn gọi là máy ảo Python].
Bất cứ khi nào bạn thấy một tệp kết thúc bằng .py, đây là tệp văn bản ASCII có chứa mã nguồn Python.
Khi bạn thấy một tệp kết thúc bằng .pyc, đây là Python, được biên dịch.
Mã kết quả vẫn chạy trong một máy ảo.
Mã nguồn.
Một chương trình không phải là mã gốc cho đến khi nó được biên dịch và một chương trình đã thực sự được biên dịch thành mã gốc cho đến khi nó được biên dịch cho các hướng dẫn CPU nhị phân gốc trên nền tảng mà nó nhắm mục tiêu.
Điều này thường liên quan đến việc tạo mã lắp ráp thay vì mã byte, chuyển mã lắp ráp cho trình biên dịch và trình biên dịch phát ra các tệp đối tượng cụ thể của nền tảng.
Sau đó, chương trình vẫn chưa sẵn sàng để chạy, cho đến khi nó liên kết với thời gian chạy nền tảng. Một thời gian chạy thiết lập môi trường mà mã dự kiến sẽ chạy và có thể cung cấp một số dịch vụ thời gian chạy như tải đối tượng động. Biên dịch C có thời gian chạy. Biên dịch C ++ có thời gian chạy.
Hầu hết, các runtimes này chỉ thiết lập môi trường và nhảy vào mã của bạn. Nói cách khác: họ có chi phí một lần.
Quá trình liên kết một tệp đối tượng được tạo với thời gian chạy [và bất kỳ thư viện hỗ trợ nào] để tạo một thực thi độc lập được gọi là liên kết trực tuyến.
Máy ảo không liên kết; gần nhất họ nhận được là tải các mô -đun bổ sung vào máy ảo. Mặc dù các mô -đun này có thể được biên dịch - trên thực tế, đây là cơ sở của một số mô -đun Python để hoạt động tốc độ trong Python Up, và đó là cơ sở của JNI [giao diện gốc Java] - các mô -đun thường được viết bằng ngôn ngữ được biên dịch, như vậy Một C hoặc C ++, hoặc nếu chúng giống như một thư viện toán học, chúng thậm chí có thể được viết trong lắp ráp.
Sau đó, một cái gì đó được biên soạn, trừ khi nó trở thành một nhị phân gốc cho nền tảng mà nó đang chạy.
Tại sao chạy trong một máy ảo làm cho bạn chậm.
Chạy trong một máy ảo yêu cầu diễn giải một byteStream, sau đó chạy mã gốc thay mặt cho byteStream.
Vì vậy, hãy để Lừa quay lại ví dụ của chúng tôi:
Chúng tôi chỉ cần thêm một, phải không?
Những gì thực sự xảy ra dưới các bìa để thực hiện điều này trong Python, ngay cả sau khi nó đã được chuyển đổi thành mã byte, là [theo hồ sơ của tôi] 378 Hướng dẫn máy được thực hiện bởi máy ảo Python.
Làm điều tương tự trong C:
Chi phí 1 Hướng dẫn máy, vì C biên soạn điều đó xuống ngôn ngữ lắp ráp và ngôn ngữ lắp ráp đó trông như thế này:
Vì vậy, cuối cùng bạn làm rất nhiều công việc để hoàn thành một cái gì đó, khi chỉ một công việc nhỏ sẽ làm công việc.
Tại sao bản thân Python thực chất chậm trên đầu.
CPython là triển khai C của Python, đây là triển khai Python mặc định được sử dụng thực tế ở mọi nơi.
Thông dịch viên CPYThon không thể tận dụng lợi thế đáng kể của đa luồng.
Tại sao điều này?
Cpython có những gì mà người gọi là khóa phiên dịch toàn cầu. Điều này được người phiên dịch sử dụng để đảm bảo rằng chỉ có một luồng thực thi mã Python byte mỗi lần. Nếu một luồng gọi vào một mô -đun bên ngoài hoặc nó chặn, thì một luồng Python khác có thể chạy.
Bạn có thể có 5.000 lõi trong máy của mình, nhưng bạn sẽ chỉ chạy Python trên một trong số chúng tại một thời điểm.
Các mô -đun bên ngoài được viết trong một cái gì đó khác ngoài Python có thể cung cấp các cải tiến hiệu suất đáng kể, bởi vì chúng có thể sử dụng đa luồng này - đây được gọi là luồng mô hình căn hộ, và nó đã được phát minh bởi Microsoft vào năm 1996 hoặc là một phần của khung Viper của họ, đó là Cách thêm hỗ trợ đa luồng trong NT 3.51.
Khi luồng Cpython đi vào căn hộ của người dùng .
Giống như một con người vào căn hộ của riêng họ: nó có thể tháo quần áo [khóa] và nhảy xung quanh trần truồng, nếu nó muốn.
Làm cho Python nhanh hơn.
Java có một công nghệ gọi là JIT, hoặc chỉ trong biên dịch thời gian. Những gì một JIT làm là lấy mã byte và chuyển đổi nó thành ngôn ngữ lắp ráp gốc cho nền tảng mà nó chạy trên.
Một tên khác cho công nghệ này là tổng hợp động.
Những gì một JIT làm là làm các phần còn thiếu giữa mã byte và mã lắp ráp; Nó chuyển đổi mã byte thành mã lắp ráp, và sau đó lưu trữ lại để thực hiện lại.
Một JIT có thể gần như một chương trình được biên dịch tự nhiên, nhưng có thời gian chạy trên đầu để chuyển đổi, mỗi khi bạn chạy nó. Nó có một chi phí gia tăng, kết quả là mã không nhanh như nó có thể.
Để chống lại điều này, có lẽ bạn muốn biên dịch Java với mã gốc; Có một sản phẩm thương mại, được gọi là Excelsior Jet, mà bạn có thể mua để làm điều này. Ngoài ra còn có GCJ cũ [trình biên dịch GNU cho Java], đã bị xóa. Bạn có thể tìm thấy nó trong Lưu trữ, nhưng phiên bản sẽ không hỗ trợ hầu hết các phiên bản gần đây của Java. Nó đã bị ngừng sau khi thay đổi giấy phép Oracle, trên cơ sở triết học GNU.
Nhưng trở lại Python!
Có Jits cho Python không?
Chắc chắn rồi! Có Pypy, có Numba Numba và Microsoft có Pyjion [liên kết là các nguồn GitHub]. Có một vài người khác, có xu hướng ít được biết đến và do đó ít được sử dụng hoặc duy trì.
Dự án Numba thậm chí có thể biên dịch Python một cách tĩnh - hoặc một tập hợp con của rpython, bản thân nó là một tập hợp con của Python - với mã gốc.
Thật không may, khi bạn sử dụng Python, bạn có thể không sử dụng bất kỳ thứ nào trong số này và bạn có thể sử dụng việc triển khai Python tiêu chuẩn, thay vào đó là CPython.
Vì vậy, điểm mấu chốt?
Python chậm hơn vì nó là một ngôn ngữ được giải thích.
Câu hỏi này ban đầu xuất hiện trên Quora - nơi để đạt được và chia sẻ kiến thức, trao quyền cho mọi người học hỏi từ người khác và hiểu rõ hơn về thế giới. Bạn có thể theo dõi Quora trên Twitter, Facebook và Google+. Thêm câu hỏi: