Cython实现的速度不比纯python快
作为练习,我编写了一个XOR双链接列表Cython实现的速度不比纯python快,python,pointers,linked-list,cython,xor,Python,Pointers,Linked List,Cython,Xor,作为练习,我编写了一个XOR双链接列表 %%cython from cpython.object cimport PyObject from cpython.ref cimport Py_XINCREF, Py_XDECREF from libc.stdint cimport uintptr_t cdef class Node: cdef uintptr_t _prev_xor_next cdef object val def __init__(self, obje
%%cython
from cpython.object cimport PyObject
from cpython.ref cimport Py_XINCREF, Py_XDECREF
from libc.stdint cimport uintptr_t
cdef class Node:
cdef uintptr_t _prev_xor_next
cdef object val
def __init__(self, object val, uintptr_t prev_xor_next=0):
self._prev_xor_next=prev_xor_next
self.val=val
@property
def prev_xor_next(self):
return self._prev_xor_next
@prev_xor_next.setter
def prev_xor_next(self, uintptr_t p):
self._prev_xor_next=p
def __repr__(self):
return str(self.val)
cdef class CurrentNode(Node):
cdef uintptr_t _node, _prev_ptr
def __init__(self, uintptr_t node, uintptr_t prev_ptr=0):
self._node = node
self._prev_ptr= prev_ptr
@property
def val(self):
return self.node.val
@property
def node(self):
ret=<PyObject *> self._node
return <Node> ret
@property
def prev_ptr(self):
return self._prev_ptr
cdef CurrentNode forward(self):
if self.node.prev_xor_next!=self._prev_ptr:
return CurrentNode(self.node.prev_xor_next^self._prev_ptr, self._node)
cdef CurrentNode backward(self):
if self._prev_ptr:
pp=<PyObject*>self._prev_ptr
return CurrentNode(self._prev_ptr, self._node^(<Node> pp).prev_xor_next)
def __repr__(self):
return str(self.node)
cdef class XORList:
cdef PyObject* first
cdef PyObject* last
cdef int length
def __init__(self):
self.length=0
@property
def head(self):
return (<Node> self.first)
@property
def tail(self):
return (<Node> self.last)
cdef append(self, object val):
self.length+=1
#empty list
if not self.first:
t=Node(val)
tp=(<PyObject*> t)
self.first=tp
Py_XINCREF(tp)
self.last=tp
Py_XINCREF(tp)
#not empty
else:
new_node=Node(val, <uintptr_t> self.last)
new_ptr=<PyObject*> new_node
cur_last=<Node>self.last
cur_last.prev_xor_next=cur_last.prev_xor_next^(<uintptr_t> new_ptr)
Py_XINCREF(new_ptr)
self.last=new_ptr
Py_XINCREF(new_ptr)
cpdef reverse(self):
temp=self.last
self.last=self.first
self.first=temp
def __repr__(self):
return str(list(iter_XORList(self)))
def __len__(self):
return self.length
def iter_XORList(l):
head=<PyObject*>l.head
cur=CurrentNode(<uintptr_t> head)
while cur:
yield cur
cur=cur.forward()
import time
start=time.time()
cdef XORList l=XORList()
for i in range(100000):
l.append(i)
print('time xor ', time.time()-start)
start=time.time()
l1=[]
for i in range(100000):
l1.append(i)
print('time regular ', time.time()-start)
当我为xorlist分析循环时,我得到:
700003 function calls in 1.184 seconds
Ordered by: standard name
ncalls tottime percall cumtime percall filename:lineno(function)
1 0.000 0.000 1.184 1.184 <string>:1(<module>)
1 0.039 0.039 1.184 1.184 _cython_magic_14cf45d2116440f3df600718d58e4f95.pyx:108(list_check)
100000 0.025 0.000 0.025 0.000 _cython_magic_14cf45d2116440f3df600718d58e4f95.pyx:11(__init__)
99999 0.019 0.000 0.019 0.000 _cython_magic_14cf45d2116440f3df600718d58e4f95.pyx:16(__get__)
99999 0.018 0.000 0.018 0.000 _cython_magic_14cf45d2116440f3df600718d58e4f95.pyx:19(__set__)
1 0.000 0.000 0.000 0.000 _cython_magic_14cf45d2116440f3df600718d58e4f95.pyx:60(__init__)
100000 0.937 0.000 0.999 0.000 _cython_magic_14cf45d2116440f3df600718d58e4f95.pyx:70(append)
100000 0.113 0.000 1.146 0.000 line_profiler.py:111(wrapper)
1 0.000 0.000 1.184 1.184 {built-in method builtins.exec}
1 0.000 0.000 0.000 0.000 {method 'disable' of '_lsprof.Profiler' objects}
100000 0.018 0.000 0.018 0.000 {method 'disable_by_count' of '_line_profiler.LineProfiler' objects}
100000 0.015 0.000 0.015 0.000 {method 'enable_by_count' of '_line_profiler.LineProfiler' objects}
700003次函数调用,耗时1.184秒
订购人:标准名称
ncalls tottime percall cumtime percall文件名:lineno(函数)
1 0.000 0.000 1.184 1.184 :1()
1 0.039 0.039 1.184 1.184赛顿魔法14cf45d2116440f3df600718d58e4f95.pyx:108(列表检查)
100000 0.025 0.000 0.025 0.000 u cython_magic_14cf45d2116440f3df600718d58e4f95。pyx:11(初始值)
99999 0.019 0.000 0.019 0.000(西索恩魔法)14cf45d2116440f3df600718d58e4f95.pyx:16(获取)
99999 0.018 0.000 0.018 0.000 cython\uMagic\u14CF45D2116440F3DF600718D58E4F95.pyx:19(uuuuuuuuu set\uuuuuuuuuu)
1 0.000 0.000 0.000 0.000(cython_magic)14cf45d2116440f3df600718d58e4f95.pyx:60(初始)
100000 0.937 0.000 0.999 0.000 _cython_magic_14cf45d2116440f3df600718d58e4f95。pyx:70(附加)
100000 0.113 0.000 1.146 0.000测线仪py:111(包装器)
1 0.000 0.000 1.184 1.184{内置方法builtins.exec}
1 0.000 0.000 0.000 0.000{方法'disable'的''lsprof.Profiler'对象}
100000 0.018 0.000 0.018 0.000{方法“按”\u line\u profiler.LineProfiler'对象的\u计数禁用”}
100000 0.015 0.000 0.015 0.000{方法'enable_by_count'的'u line_profiler.LineProfiler'对象}
因此,忽略对append
的调用,似乎大部分时间都花在了特殊方法上
这就引出了我的问题:
我还在纯python中尝试了另一个原始双链表的自定义实现,它和cython xorlist的计时在我的机器上相差10%以内。您的评测中的三个罪魁祸首看起来是节点的
\uuu init\uuu
(这在这里是不可避免的),以及上一个异或下一个
属性的获取
和设置
。我的观点是,您不希望使用prev\u xor\u next
属性(或者如果您这样做,它应该是只读的),因为它可以在Python中访问应该是Cython内部的内容
无论是否删除该属性,您都在Cython中工作,因此可以直接写入底层C属性\u prev\u xor\u next
。您可能需要在append
的开头设置cdef Node cur\u last
(可能在其他函数中)以确保Cython知道cur\u last
的类型-我认为它应该能够解决这个问题,但如果您在运行时得到AttributeErrors
,那么这就是您需要做的事情
这一变化使我的速度提高了30%(也就是说,它仍然比常规列表慢,但这是一个明显的改进)
我将概述一个更剧烈的变化,我可能应该在你关于这个问题的第一个问题上提出这个变化。这真的是一个模糊的大纲,所以没有作出任何努力,使其工作
完全在Node
类内部:它不应从Python中使用,并且XORList
中所有XORList
节点的生存期都直接绑定到列表。因此,应在销毁其所属的
(或者如果列表缩小等)时销毁它们,因此不需要进行引用计数。因此,XORList
应该是C结构而不是Python对象:节点
属性cdef struct Node: uintptr_t prev_xor_next PyObject* val # with associated constructor- and destructor-like functions: cdef Node* make_node(object val, uintptr_t prev_xor_next): cdef Node* n = <Node*>malloc(sizeof(Node)) n.val = <PyObject*>val Py_XINCREF(n.val) n.prev_xor_next = prev_xor_next return n cdef void destroy_node(Node* n): Py_XDECREF(n.val) free(n)
的要点是确保我们的\u列表
至少在XORList
期间保持活动状态-如果您的CurrentNode
的迭代器不再存在,则XORList
属性将无效当前\u节点
不属于current_节点
所以不需要析构函数XORListIterator
XORList
进行任何更改,都不会使任何现有的xorlistators
完全失效,从而导致崩溃。我怀疑这也是您当前版本的一个问题
我怀疑内置的
列表
仍将保持竞争力,因为它是一个编写良好、高效的结构。请记住,list.append
通常是一个简单的Py_INCREF
,偶尔会进行数组重新分配和复制。您总是需要创建一个新的Python对象(节点
)以及一些相关的引用计数
我的替代方案避免了大量的引用计数(无论是在计算时间还是“你必须考虑它”的时间方面),所以我希望它更接近。它保留了每个append
内存分配小的缺点,这对于链表结构来说是不可避免的
附录:针对“Cython类的便利性”的评论。在我看来,使用Cython类与使用struct相比,有两个优点:
XORList
的实现细节,不应该向Python用户公开cdef struct Node:
uintptr_t prev_xor_next
PyObject* val
# with associated constructor- and destructor-like functions:
cdef Node* make_node(object val, uintptr_t prev_xor_next):
cdef Node* n = <Node*>malloc(sizeof(Node))
n.val = <PyObject*>val
Py_XINCREF(n.val)
n.prev_xor_next = prev_xor_next
return n
cdef void destroy_node(Node* n):
Py_XDECREF(n.val)
free(n)
cdef class XORListIterator:
cdef Node* current_node
cdef XORList our_list