用cython編寫程序能夠得到更高的性能

我最喜歡的是Python，它的代碼優(yōu)雅而實(shí)用，可惜純粹從速度上來看它比大多數(shù)語言都要慢。大多數(shù)人也認(rèn)為的速度和易于使用是兩極對立的——編寫C代碼的確非常痛苦。而 Cython 試圖消除這種兩重性，并讓你同時擁有 Python 的語法和 C 數(shù)據(jù)類型和函數(shù)——它們兩個都是世界上最好的。請記住，我絕不是我在這方面的專家，這是我的第一次Cython真實(shí)體驗(yàn)的筆記：

編輯：根據(jù)一些我收到的反饋，大家似乎有點(diǎn)混淆——Cython是用來生成 C 擴(kuò)展到而不是獨(dú)立的程序的。所有的加速都是針對一個已經(jīng)存在的 Python 應(yīng)用的一個函數(shù)進(jìn)行的。沒有使用C 或 Lisp 重寫整個應(yīng)用程序，也沒有手寫C擴(kuò)展 。只是用一個簡單的方法來整合C的速度和C數(shù)據(jù)類型到 Python 函數(shù)中去。

現(xiàn)在可以說，我們能使下文的great_circle 函數(shù)更快。所謂great_circle 是計(jì)算沿地球表面兩點(diǎn)之間的距離的問題：

import math

def great_circle(lon1,lat1,lon2,lat2):

radius=3956#miles

x=math.pi/180.0

a=(90.0-lat1)*(x)

b=(90.0-lat2)*(x)

theta=(lon2-lon1)*(x)

c=math.acos((math.cos(a)*math.cos(b))+

(math.sin(a)*math.sin(b)*math.cos(theta)))

returnradius*c

讓我們調(diào)用它 50 萬次并測定它的時間 ：

import timeit

lon1,lat1,lon2,lat2= -72.345,34.323,-61.823,54.826

num=500000

t=timeit.Timer("p1.great_circle(%f,%f,%f,%f)"%(lon1,lat1,lon2,lat2),

"import p1")

print"Pure python function",t.timeit(num),"sec"

約2.2秒 。它太慢了！

讓我們試著快速地用Cython改寫它，然后看看是否有差別：

import math

def great_circle(floatlon1,floatlat1,floatlon2,floatlat2):

cdeffloatradius=3956.0

cdeffloatpi=3.14159265

cdeffloatx=pi/180.0

cdeffloata,b,theta,c

a=(90.0-lat1)*(x)

b=(90.0-lat2)*(x)

theta=(lon2-lon1)*(x)

c=math.acos((math.cos(a)*math.cos(b))+(math.sin(a)*math.sin(b)*math.cos(theta)))

returnradius*c

請注意，我們?nèi)匀籭mportmath——cython讓您在一定程度上混搭Python和C數(shù)據(jù)類型在。轉(zhuǎn)換是自動的，但并非沒有代價。在這個例子中我們所做的就是定義一個Python函數(shù)，聲明它的輸入參數(shù)是浮點(diǎn)數(shù)類型，并為所有變量聲明類型為C浮點(diǎn)數(shù)據(jù)類型。計(jì)算部分它仍然使用了Python的 math 模塊。

現(xiàn)在我們需要將其轉(zhuǎn)換為C代碼再編譯為Python擴(kuò)展。完成這一部的最好的辦法是編寫一個名為setup.py發(fā)布腳本。但是，現(xiàn)在我們用手工方式 ，以了解其中的巫術(shù)：

# this will create a c1.c file - the C source code to build a python extension

cythonc1.pyx

# Compile the object file

gcc-c-fPIC-I/usr/include/python2.5/c1.c

# Link it into a shared library

gcc-sharedc1.o-oc1.so

現(xiàn)在你應(yīng)該有一個c1.so（或.dll）文件，它可以被Python import?，F(xiàn)在運(yùn)行一下：

t=timeit.Timer("c1.great_circle(%f,%f,%f,%f)"%(lon1,lat1,lon2,lat2),

"import c1")

print"Cython function (still using python math)",t.timeit(num),"sec"

約1.8秒 。并沒有我們一開始期望的那種大大的性能提升。使用 python 的 math 模塊應(yīng)該是瓶頸。現(xiàn)在讓我們使用C標(biāo)準(zhǔn)庫替代之：

cdef externfrom"math.h":

floatcosf(floattheta)

floatsinf(floattheta)

floatacosf(floattheta)

def great_circle(floatlon1,floatlat1,floatlon2,floatlat2):

cdeffloatradius=3956.0

cdeffloatpi=3.14159265

cdeffloatx=pi/180.0

cdeffloata,b,theta,c

a=(90.0-lat1)*(x)

b=(90.0-lat2)*(x)

theta=(lon2-lon1)*(x)

c=acosf((cosf(a)*cosf(b))+(sinf(a)*sinf(b)*cosf(theta)))

returnradius*c

與 import math 相應(yīng)，我們使用cdef extern 的方式使用從指定頭文件聲明函數(shù)（在此就是使用C標(biāo)準(zhǔn)庫的math.h）。我們替代了代價高昂的的Python函數(shù)，然后建立新的共享庫，并重新測試

t=timeit.Timer("c2.great_circle(%f,%f,%f,%f)"%(lon1,lat1,lon2,lat2),

"import c2")

print"Cython function (using trig function from math.h)",t.timeit(num),"sec"

現(xiàn)在有點(diǎn)喜歡它了吧？0.4秒 –比純Python函數(shù)有5倍的速度增長。我們還有什么方法可以再提高速度？c2.great_circle（）仍是一個Python函數(shù)調(diào)用，這意味著它產(chǎn)生Python的API的開銷（構(gòu)建參數(shù)元組等），如果我們可以寫一個純粹的C函數(shù)的話，我們也許能夠加快速度。

cdef externfrom"math.h":

floatcosf(floattheta)

floatsinf(floattheta)

floatacosf(floattheta)

cdef float_great_circle(floatlon1,floatlat1,floatlon2,floatlat2):

cdef floatradius=3956.0

cdef floatpi=3.14159265

cdef floatx=pi/180.0

cdef floata,b,theta,c

a=(90.0-lat1)*(x)

b=(90.0-lat2)*(x)

theta=(lon2-lon1)*(x)

c=acosf((cosf(a)*cosf(b))+(sinf(a)*sinf(b)*cosf(theta)))

returnradius*c

defgreat_circle(floatlon1,floatlat1,floatlon2,floatlat2,intnum):

cdef inti

cdef floatx

forifrom0< =?inum:

x=_great_circle(lon1,lat1,lon2,lat2)

returnx

請注意，我們?nèi)匀挥幸粋€Python函數(shù)（ def ），它接受一個額外的參數(shù) num。這個函數(shù)里的循環(huán)使用for i from 0 < = i< num: ，而不是更Pythonic，但慢得多的for i in range(num):。真正的計(jì)算工作是在C函數(shù)（cdef）中進(jìn)行的，它返回float類型。這個版本只要0.2秒——比原先的Python函數(shù)速度提高10倍。

為了證明我們所做的已經(jīng)足夠優(yōu)化，可以用純C寫一個小應(yīng)用，然后測定時間：

#include

#include

#define NUM 500000

floatgreat_circle(floatlon1,floatlat1,floatlon2,floatlat2){

floatradius=3956.0;

floatpi=3.14159265;

floatx=pi/180.0;

floata,b,theta,c;

a=(90.0-lat1)*(x);

b=(90.0-lat2)*(x);

theta=(lon2-lon1)*(x);

c=acos((cos(a)*cos(b))+(sin(a)*sin(b)*cos(theta)));

returnradius*c;

}

intmain(){

inti;

floatx;

for(i=0;i< =?NUM;i++)

x=great_circle(-72.345,34.323,-61.823,54.826);

printf("%f",x);

}

用gcc -lm -octest ctest.c編譯它，測試用time./ctest …大約0.2秒 。這使我有信心，我Cython擴(kuò)展相對于我的C代碼也極有效率（這并不是說我的C編程能力很弱）。

能夠用 cython 優(yōu)化多少性能通常取決于有多少循環(huán)，數(shù)字運(yùn)算和Python函數(shù)調(diào)用，這些都會讓程序變慢。已經(jīng)有一些人報(bào)告說在某些案例上 100 至 1000 倍的速度提升。至于其他的任務(wù)，可能不會那么有用。在瘋狂地用 Cython重寫 Python 代碼之前，記住這一點(diǎn)：

“我們應(yīng)該忘記小的效率，過早的優(yōu)化是一切罪惡的根源，有 97% 的案例如此?！啊狣onaldKnuth

換句話說，先用 Python 編寫程序，然后看它是否能夠滿足需要。大多數(shù)情況下，它的性能已經(jīng)足夠好了……但有時候真的覺得慢了，那就使用分析器找到瓶頸函數(shù)，然后用cython重寫，很快就能夠得到更高的性能。