在編程中有許多語言,而不同的編程語言有時候也能實現(xiàn)相同的功能,那么不同語言之間的運行速度有多少差別呢?這里選擇C
,Java
和python
三門熱門語言來做比較。
實驗
這里使用三種語言進行矩陣乘法。 矩陣的大小為2048 x 2048(即每個矩陣的乘法和加法運算為8,589,934,592),我為它們填充了0.0到1.0之間的隨機值(使用隨機值而不是對所有三種語言使用完全相同的矩陣的影響可以忽略不計)。每個實驗運行了五次,并計算了平均運行時間。
1.C代碼
#include <stdlib.h>
#include <stdio.h>
#include <time.h>
#define n 2048
double A[n][n];
double B[n][n];
double C[n][n];
int main() {
//populate the matrices with random values between 0.0 and 1.0
for (int i = 0; i < n; i++) {
for (int j = 0; j < n; j++) {
A[i][j] = (double) rand() / (double) RAND_MAX;
B[i][j] = (double) rand() / (double) RAND_MAX;
C[i][j] = 0;
}
}
struct timespec start, end;
double time_spent;
//matrix multiplication
clock_gettime(CLOCK_REALTIME, &start);
for (int i = 0; i < n; i++) {
for (int j = 0; j < n; j++) {
for (int k = 0; k < n; k++) {
C[i][j] += A[i][k] * B[k][j];
}
}
}
clock_gettime(CLOCK_REALTIME, &end);
time_spent = (end.tv_sec - start.tv_sec) + (end.tv_nsec - start.tv_nsec) / 1000000000.0;
printf("Elapsed time in seconds: %f \n", time_spent);
return 0;
}
2.Java代碼
import java.util.Random;
public class MatrixMultiplication {
static int n = 2048;
static double[][] A = new double[n][n];
static double[][] B = new double[n][n];
static double[][] C = new double[n][n];
public static void main(String[] args) {
//populate the matrices with random values between 0.0 and 1.0
Random r = new Random();
for (int i = 0; i < n; i++) {
for (int j = 0; j < n; j++) {
A[i][j] = r.nextDouble();
B[i][j] = r.nextDouble();
C[i][j] = 0;
}
}
long start = System.nanoTime();
//matrix multiplication
for (int i = 0; i < n; i++) {
for (int j = 0; j < n; j++) {
for (int k = 0; k < n; k++) {
C[i][j] += A[i][k] * B[k][j];
}
}
}
long stop = System.nanoTime();
double timeDiff = (stop - start) * 1e-9;
System.out.println("Elapsed time in seconds: " + timeDiff);
}
}
3.python代碼
import random
import time
n = 2048
#populate the matrices with random values between 0.0 and 1.0
A = [[random.random() for row in range(n)] for col in range(n)]
B = [[random.random() for row in range(n)] for col in range(n)]
C = [[0 for row in range(n)] for col in range(n)]
start = time.time()
#matrix multiplication
for i in range(n):
for j in range(n):
for k in range(n):
C[i][j] += A[i][k] * B[k][j]
end = time.time()
print("Elapsed time in seconds %0.6f" % (end-start))
如何編譯與運行
#C
gcc MatrixMultiplication.c -o matrix
./matrix
#Java
javac MatrixMultiplication.java
java MatrixMultiplication
#Python
python MatrixMultiplication.py
運行時間
根據(jù)這些結果,C
比Java
慢2.34倍,Python
比Java
慢33.34倍。
等待?。?! C
不是應該最快的嗎???
實際上,這是不公平的比較。 當我們編譯Java程序時,即使沒有任何優(yōu)化標志,Java JIT
(即時)編譯器也會自動執(zhí)行優(yōu)化。 但是,對于GCC
(編譯C程序),情況并非如此,我們必須顯式設置優(yōu)化標志。
因此,在編譯C
程序時使用了-O2
和-O3
優(yōu)化標志,并再次進行了實驗。
gcc -O2 MatrixMultiplication.c -o matrix./matrixgcc -O3 MatrixMultiplication.c -o matrix./matrix
新的運行時間
現(xiàn)在,Java
代碼比C[-O3]
慢1.69倍,而Python
代碼慢56倍。 我做出了正確的決定(或者很幸運:-)),選擇了C
而不是其他編程語言。
總結結果
討論結果
Python
相對非常慢,因為C是經(jīng)過編譯的,而Python
是被解釋的。 編譯器一次將C代碼轉(zhuǎn)換為機器代碼。 另一方面,解釋器必須讀取,解釋和執(zhí)行每一行代碼,并更新機器狀態(tài)(這會增加很多開銷)。 將程序編譯為機器代碼時,CPU可以直接執(zhí)行它。 但是,當涉及到解釋器時,CPU將運行解釋器,并且解釋器本身將執(zhí)行程序。 (如果您對編譯器和解釋器感興趣,請閱讀Vaidehi Joshi
撰寫的精彩文章)
- 這就是使
Python
非常靈活的原因。Python
犧牲了一點性能來提供更多的靈活性/高級編程功能(如果不使用C語言
指定數(shù)據(jù)類型,則不能將變量初始化為n = 100,但是可以在Python
中進行初始化)。
JIT
(Java編譯器)位于C
和Python
之間。 首次執(zhí)行代碼時,將對其進行解釋。 但是,當一段代碼頻繁執(zhí)行時,它會實時編譯為機器代碼,并且進一步的執(zhí)行將使用編譯后的版本。
以上就是關于三門編程語言的比較結論,對C
,Java
和python
感興趣的同學可以學習一下相關教程
Java教程:http://o2fo.com/java/
Java微課:http://o2fo.com/minicourse/play/javaminicourse
python教程:http://o2fo.com/python3/
python微課:http://o2fo.com/minicourse/play/python3course
文章參考來源:www.toutiao.com/a6853865072431727111/