Performance Julia文件输入读取速度

在解决代码阻塞问题时，我尝试一下Julia，在本例中，是2010年第1C轮（）

解决方案基本上是：

for tc = 1:int(readline())
    n = int(readline())
    a = [map(int, split(readline())) for _ = 1:n]
    ans = 0

    for (i, x) in enumerate(a)
        for y in a[i + 1:end]
            ans += (x[1] - y[1]) * (x[2] - y[2]) < 0
        end
    end

    println("Case #", tc, ": ", ans)
end

情况发生变化，当我用随机数代替文件输入时（仍然比C++慢）：

---

有没有什么方法可以优化Julia中的文件读取时间（我使用的是v0.3.7）？

因此我在大输入上的基线时间（

time cat A-large-practice.in | Julia original.jl

）是

在我的系统上，Julia大约需要0.2秒才能开始运行文件。将代码放入函数中可能是最重要的第一步-这意味着所有内容都不是全局的，这可能会由于类型推断困难而影响性能。这让我想到了

真正的2.044s

第二个问题实际上是朱莉娅类型推断的缺陷，原因不同。基本上，列表理解+映射=某种类型的不稳定性。由于必须检查类型，这会传播到整个系统，使算法稍后变得缓慢。修复方法是简单的

a=Vector{Int}[map（Int，split（readline（）））for=1:n]

，这就给了我

real 0m0.474s

---

因此，大部分时间都花在Julia启动和

映射

行上，并实际打印

案例。如果我真的将
映射
行扩展到for循环，我可以将其细化到
real 0m0.411s
，但这似乎不值得。
谢谢，这让我将其细化到
real 0m1.116s
。但是我看不到在我的机器上把代码放在函数中有什么好处。另外，也许你会发现它很有用，
time cat a-large-practice.in | julia a.jl
比
time julia a.jl慢0.15毫秒左右
julia
real    0m6.196s
user    0m6.028s
sys     0m0.373s

c++
real    0m0.392s
user    0m0.338s
sys     0m0.053s


pypy
real    0m0.529s
user    0m0.507s
sys     0m0.016s

julia
real    0m3.065s
user    0m2.868s
sys     0m0.338s

c++
real    0m1.413s
user    0m1.348s
sys     0m0.055s

pypy
real    0m22.491s
user    0m22.257s
sys     0m0.160s

real    0m2.730s
user    0m2.683s
sys     0m0.351s