Python 优化bigint调用

我目前正在使用《D编程》一书来学习D。我试图解决一个问题，将1到10000000之间的数字平方相加。我首先用函数方法来解决map和reduce的问题，但是随着数字越来越大，我必须将数字转换为bigint以获得正确的输出

  long num = 10000001;
  BigInt result;
  result = iota(1,num).map!(a => to!BigInt(a * a)).reduce!((a,b) => (a + b));
  writeln("The sum is : ", result);

当使用dmd-O编译时，上述过程需要7秒才能完成。我分析了这个程序，大部分时间都浪费在BigInt调用上。虽然数字的平方可以放入一个长字符串中，但我必须将它们转换为bigint，以便减少函数和并返回适当的和。python程序只需3秒钟即可完成。当num=100000000时，程序将在1分13秒后完成。有没有办法优化对bigint的调用。产品本身可能很长，但它们必须被类型化为bigint对象，以便从reduce操作中得到正确的结果。我试着将数字的平方放入一个bigint数组，但速度也较慢。我试着把所有的数字都打成Bigint

auto bigs_map_nums = iota(1,num).map!(a => to!BigInt(a)).array;
auto bigs_map = sum(bigs_map_nums.map!(a => (a * a)).array);

但它的速度也较慢。我在学校读答案。D中较大整数的乘法实现也有问题吗？有没有办法优化对BigInt的函数调用

python代码：

timeit.timeit('print sum(map(lambda num : num * num, range(1,10000000)))',number=1)
333333283333335000000
3.58552622795105

该代码是在一台双核64位linux笔记本电脑上执行的，该笔记本电脑具有2 GB RAM。 python:2.7.4

---

dmd:DMD64 D编译器v2.066.1

dmd的后端不会发出高度优化的代码。对于快速程序，使用GDC或LDC编译

在我的计算机上，我得到以下计时信息：

Python:                    3.01
dmd   -O -inline -release: 3.92
ldmd2 -O -inline -release: 2.14

---

无范围冷却：

foreach（x；0..num）结果+=x*x

带范围冷却（？）度：

当然，关键是要避免
BigInt
ing每个元素

范围版本比非范围版本稍微慢一点。两者都比python版本快得多

编辑：哦！哦使用
std.algorithm.sum
，它会变得更加令人愉快：

result = iota(1, num)
    .map!(a => a * a)
    .sum(BigInt(0));

python代码并不等同于D代码，事实上它做的要少得多

Python使用一个int，然后当结果大于int（）类型中可以存储的值时，它将该int提升为long（）。在内部，（至少CPython）使用一个长数字来存储大于256的整数，即至少32位。在溢出之前，正常的cpu指令可以用于乘法，这比bigint乘法快得多

D的BigInt实现从一开始就将数字视为BigInt，并从1开始到结束使用昂贵的乘法运算。还有很多工作要做

有趣的是，当我们谈论bigint时，乘法是多么复杂

D实现是


Python从做开始

静态PyObject*
int_mul（PyObject*v，PyObject*w）
{
长a，b；
long longprod；/*a*b在本机long算术中*/
双双双_longprod；/*（双）longprod*/
双双针；/*（双针）a*（双针）b*/
将_转换为_LONG（v，a）；
将_转换为_LONG（w，b）；
/*下一行中的强制转换可避免溢出时的未定义行为*/
longprod=（长）（（无符号长）a*b）；
…//检查我们是否溢出了
{
const double diff=double_longprod-double prod；
常数双absdiff=diff>=0.0？diff:-diff；
常数double absprod=doubleprod>=0.0？doubleprod:
-双探针；
/*absdiff/absprod谢谢。随着num值的增加，计时变得越来越大，dmd需要1分钟15个sconds。除了编译器级别的更改外，是否可以对bigint调用进行任何优化？谢谢。请解释一下为什么使用bigint（0）在sum和reduce中。它如何使程序仅在需要时升级到BigInt？非常感谢。它使程序的速度比python快了7倍左右：）如果您能解释一下使用reduce和为什么使用反向参数的神奇之处，这将非常有帮助。sum版本看起来也非常优雅：）请添加一个l因为我是D新手，所以这里有更多的细节。但是在profiler中我可以看到bigint调用。这怎么会更快呢？非常感谢。有没有什么方法可以做类似的事情，只在必要的时候自动提升数字，比如D中的python？它依赖于实现吗？我不确定是否有自动/聪明的方法可以做到这一点，但如果我尝试一下，我会开始使用自定义类型DynInt，实现“接口”关于BigInt和mul，我会使用与python几乎相同的代码将存储值提升为BigInt谢谢。我接受了答案，该程序比以前的版本快7倍左右。但我无法掌握在sum和reverseArgs中BigInt的用法。我请求op添加解释，但无法获得。请解释一下，好吗.reverseArgs！（reduce！（（a，b）=>a+b））（BigInt（0）/*seed*/）如果我们从内部读取它，我们专门化一个进行求和的reduce函数。然后对于reduce（a，b），我们通过reverseArgs将其更改为reduce（b，a）。但是，你可能会问，为什么？reduce原样需要（MapResult！（…某物），BigInt）作为参数，我们希望将BigInt作为第一个参数传递，以强制所有内容使用BigInt加法（通过种子）。为什么要将BigInt添加到它。为什么要反转参数。加法是可交换的。
result = iota(1, num)
    .map!(a => a * a)
    .sum(BigInt(0));