Python在c++；不'；T 我编写了一个简单的程序（用Caltz猜想计算数字1-10 ^ 10的步骤数）在Python和C++中。它们几乎完全相同，而且都不是为多线程编写的。我用python运行了一个，根据我的系统经理的说法，一个内核直接达到了100%的使用率，其他的保持不变。我运行C++程序，内核在10到15%个使用状态之间保持相同的波动，从未真正改变。他们两人几乎在同一时间完成了这项工作，仅用了几秒钟。有人能给我解释一下为什么会发生这种情况吗？
一般来说，Python处理原始数字的速度非常慢。这是因为它将其完整、通用的对象模型用于所有对象，包括数字。你可以将它与Java和C++进行对比，java和C++有“原生类型”，它们不提供真实类（方法、继承、数据属性等）的任何细微之处，但提供对底层CPU原始速度的访问。 在Python中，Python在c++；不'；T 我编写了一个简单的程序（用Caltz猜想计算数字1-10 ^ 10的步骤数）在Python和C++中。它们几乎完全相同，而且都不是为多线程编写的。我用python运行了一个，根据我的系统经理的说法，一个内核直接达到了100%的使用率，其他的保持不变。我运行C++程序，内核在10到15%个使用状态之间保持相同的波动，从未真正改变。他们两人几乎在同一时间完成了这项工作，仅用了几秒钟。有人能给我解释一下为什么会发生这种情况吗？,c++,python,multithreading,C++,Python,Multithreading,一般来说，Python处理原始数字的速度非常慢。这是因为它将其完整、通用的对象模型用于所有对象，包括数字。你可以将它与Java和C++进行对比，java和C++有“原生类型”，它们不提供真实类（方法、继承、数据属性等）的任何细微之处，但提供对底层CPU原始速度的访问。 在Python中，代码> x= a+b通常在运行时要比在 x= a+b中要做的工作少得多，尽管语法基本上相同。Python的统一对象模型是使其相对容易使用的因素之一，但它在原始速度方面可能有缺点 有多种替代方法可以恢复损失的速度：
- 使用一个自定义的C扩展来返回原始CPU计算，并直接恢复速度
- 使用现有的数字库执行相同的操作
- 使用即时编译器（例如，通过psyco项目或PyPy）
- 使用
或multiprocessing
利用多核，甚至使用分布式计算库利用多台机器concurrent.futures
另外，在描述了算法之后，这是一个更好的问题：）一般来说，Python在处理原始数字时非常慢。这是因为它将其完整、通用的对象模型用于所有对象，包括数字。你可以将它与Java和C++进行对比，java和C++有“原生类型”，它们不提供真实类（方法、继承、数据属性等）的任何细微之处，但提供对底层CPU原始速度的访问。 在Python中，
- 使用一个自定义的C扩展来返回原始CPU计算，并直接恢复速度
- 使用现有的数字库执行相同的操作
- 使用即时编译器（例如，通过psyco项目或PyPy）
- 使用
或multiprocessing
利用多核，甚至使用分布式计算库利用多台机器concurrent.futures
另外，在描述了算法之后，这是一个更好的问题：）如果没有任何关于您的简单程序正在做什么的细节，您将不会得到任何东西，除了胡乱猜测。对于许多CPU受限的程序来说，这是非常预期的结果。那么这是正常的吗？我以前从未见过这种情况。如果没有充分的准备，很难回答这个问题。你能给出一小段代码来重现这个问题吗，你的编译器版本和编译器标志？在我的经验中，在紧密循环中的C++程序往往比其他任何东西都更依赖于我的CPU，但是可能你无意中使程序IO被绑定了。除了胡乱猜测之外，你什么也得不到。对于很多CPU受限的程序来说，结果都是非常令人期待的。那么这是正常的吗？我以前从未见过这种情况。如果没有充分的准备，很难回答这个问题。你能给出一小段代码来重现这个问题吗，你的编译器版本和编译器标志？根据我的经验，在紧密循环中的C++程序往往比其他任何东西都更能使我的CPU保持固定状态，但是可能你无意中使程序IO被绑定了。根据MMG对问题的评论，我的回答是假设程序正在向控制台写入足够的数据，使C++版本变成IO绑定，而Python版本是CPU绑定的。如果不是这样的话，肯定还有别的事情发生。根据MMG对这个问题的评论，我的回答是假设程序正在向控制台写入足够的数据，使C++版本变成IO绑定，而Python版本是CPU绑定的。如果不是这样的话，肯定还有别的事情发生。