> Photo by paolo candelo on Unsplash
在過去的兩年中，我為C語言做了大量的實現(xiàn)工作。 我之所以選擇C語言而不是其他語言，是因為人們普遍認(rèn)為C代碼比其他流行的編程語言（例如JAVA和Python）運行得更快。 但是，即使我一直對C的速度（或C實際上最快）感到好奇，我自己也沒有做任何實驗來證實這一說法。 最后，我決定進行一些實驗，以比較C，Java和Python的性能。 本文是關(guān)于我進行的實驗和獲得的結(jié)果的文章。
本實驗
我決定使用所有三種語言進行矩陣乘法。 矩陣的大小為2048 x 2048（即每個矩陣的乘法和加法運算為8,589,934,592），我為它們填充了0.0到1.0之間的隨機值（使用隨機值而不是對所有三種語言使用完全相同的矩陣的影響可以忽略不計）。 我將每個實驗運行了五次，并計算了平均運行時間。
C代碼
#include <stdlib.h>
#include <stdio.h>
#include <time.h>
#define n 2048
double A[n][n];
double B[n][n];
double C[n][n];
int main() {
//populate the matrices with random values between 0.0 and 1.0
for (int i = 0; i < n; i++) {
for (int j = 0; j < n; j++) {
A[i][j] = (double) rand() / (double) RAND_MAX;
B[i][j] = (double) rand() / (double) RAND_MAX;
C[i][j] = 0;
}
}
struct timespec start, end;
double time_spent;
//matrix multiplication
clock_gettime(CLOCK_REALTIME, &start);
for (int i = 0; i < n; i++) {
for (int j = 0; j < n; j++) {
for (int k = 0; k < n; k++) {
C[i][j] += A[i][k] * B[k][j];
}
}
}
clock_gettime(CLOCK_REALTIME, &end);
time_spent = (end.tv_sec - start.tv_sec) + (end.tv_nsec - start.tv_nsec) / 1000000000.0;
printf("Elapsed time in seconds: %f n", time_spent);
return 0;
}
Java代碼
import java.util.Random;
public class MatrixMultiplication {
static int n = 2048;
static double[][] A = new double[n][n];
static double[][] B = new double[n][n];
static double[][] C = new double[n][n];
public static void main(String[] args) {
//populate the matrices with random values between 0.0 and 1.0
Random r = new Random();
for (int i = 0; i < n; i++) {
for (int j = 0; j < n; j++) {
A[i][j] = r.nextDouble();
B[i][j] = r.nextDouble();
C[i][j] = 0;
}
}
long start = System.nanoTime();
//matrix multiplication
for (int i = 0; i < n; i++) {
for (int j = 0; j < n; j++) {
for (int k = 0; k < n; k++) {
C[i][j] += A[i][k] * B[k][j];
}
}
}
long stop = System.nanoTime();
double timeDiff = (stop - start) * 1e-9;
System.out.println("Elapsed time in seconds: " + timeDiff);
}
}
Python代碼
import random
import time
n = 2048
#populate the matrices with random values between 0.0 and 1.0
A = [[random.random() for row in range(n)] for col in range(n)]
B = [[random.random() for row in range(n)] for col in range(n)]
C = [[0 for row in range(n)] for col in range(n)]
start = time.time()
#matrix multiplication
for i in range(n):
for j in range(n):
for k in range(n):
C[i][j] += A[i][k] * B[k][j]
end = time.time()
print("Elapsed time in seconds %0.6f" % (end-start))
如何編譯和運行
#C
gcc MatrixMultiplication.c -o matrix
./matrix
#Java
javac MatrixMultiplication.java
java MatrixMultiplication
#Python
python MatrixMultiplication.py
運行時間
根據(jù)這些結(jié)果，C比Java慢2.34倍，Python比Java慢33.34倍。
等待！！！ C應(yīng)該不是最快的嗎？？？
實際上，這是不公平的比較。 當(dāng)我們編譯Java程序時，即使沒有任何優(yōu)化標(biāo)志，Java JIT（即時）編譯器也會自動執(zhí)行優(yōu)化。 但是，對于GCC（編譯C程序），情況并非如此，我們必須顯式設(shè)置優(yōu)化標(biāo)志。
因此，我在編譯C程序時使用了-O2和-O3優(yōu)化標(biāo)志，并再次進行了實驗。
gcc -O2 MatrixMultiplication.c -o matrix./matrixgcc -O3 MatrixMultiplication.c -o matrix./matrix
新的經(jīng)過時間
現(xiàn)在，Java代碼比C [-O3]慢1.69倍，而Python代碼慢56倍。 我做出了正確的決定（或者很幸運：-）），選擇了C而不是其他編程語言。
總結(jié)結(jié)果
討論結(jié)果
· Python相對非常慢，因為C是經(jīng)過編譯的，而Python是被解釋的。 編譯器一次將C代碼轉(zhuǎn)換為機器代碼。 另一方面，解釋器必須讀取，解釋和執(zhí)行每一行代碼，并更新機器狀態(tài)（這會增加很多開銷）。 將程序編譯為機器代碼時，CPU可以直接執(zhí)行它。 但是，當(dāng)涉及到解釋器時，CPU將運行解釋器，并且解釋器本身將執(zhí)行程序。 （如果您對編譯器和解釋器感興趣，請閱讀Vaidehi Joshi撰寫的精彩文章）
· 這就是使Python非常靈活的原因。 Python犧牲了一點性能來提供更多的靈活性/高級編程功能（如果不使用C語言指定數(shù)據(jù)類型，則不能將變量初始化為n = 100，但是可以在Python中進行初始化）。
· JIT（Java編譯器）位于C和Python之間。 首次執(zhí)行代碼時，將對其進行解釋。 但是，當(dāng)一段代碼頻繁執(zhí)行時，它會實時編譯為機器代碼，并且進一步的執(zhí)行將使用編譯后的版本。
本文的靈感來自Charles E. Leiserson教授關(guān)于性能工程的演講，我修改了他使用的源代碼以滿足我的要求。
我用來運行實驗的機器的配置[處理器：Intel（R）Core（TM）i7–5500U CPU @ 2.40GHz，RAM：12Gb DDR3，OS：Ubuntu 18.04.4]
(本文翻譯自Gunavaran Brihadiswaran的文章《A Performance Comparison Between C, Java, and Python》，參考：https://medium.com/swlh/a-performance-comparison-between-c-java-and-python-df3890545f6d)
