关于 PC 与智能手机混合 Python 性能结果的问题

Question

我在 PC 和智能手机上做了一些 Python 性能比较，结果令人困惑。

PC：i7-8750H / 32GB RAM / 1TB SSD / Windows 10
智能手机：Android 11 上带有 Termux Linux 模拟器的 Galaxy S10

第一个是简单的蒙特卡罗模拟，代码如下。

import random
import time

def monte_carlo_pi(n_samples: int):
    acc = 0
    for i in range(n_samples):
        x = random.random()
        y = random.random()
        if (x**2 + y**2) < 1.0:
            acc += 1
    return 4.0 * acc / n_samples

start_time = time.time()

print(monte_carlo_pi(10000000))
print(time.time()-start_time)

令人惊讶的是，PC 大约需要 5.2 秒，智能手机大约需要 2.7 秒。

其次是使用带有一些数据框操作的 pandas。

import pandas as pd
import time

start_time = time.time()

df = pd.DataFrame(
    [ [21, 72, -67], 
      [23, 78, 62],
      [32, 74, 54],
      [52, 54, 76],
      [0, 23, 66],
      [2, 1, 2] ],
    index = [11, 22, 33, 44, 55, 66],
    columns = ['a', 'b', 'c'])

df2 = pd.DataFrame()

df2 = pd.concat([df2, df['a']], axis=1)
df2 = pd.concat([df2, df['c']], axis=1)

print(df2)
print(time.time()-start_time)

这一次，PC 大约是 0.007 秒，智能手机大约是 0.009 秒，但实际时间来自 exec。完成智能手机大约需要 2 秒。我的猜测是智能手机加载冗长的熊猫包需要更长的时间，但不确定。

1. ARM 处理器在简单的重复计算上是否更快？或者其中一个处理器是否使用多核功能？
2. 如上所述，智能手机读取冗长包裹的速度是否相对较慢？
3. 是否有更好的方法来衡量 PC 和智能手机之间的整体 Python 性能？

Answer 1

Python 代码的执行时间受限于开销。实际上，调用random.random() 需要花费大量时间来考虑迭代次数和一次迭代的时间。这来自缓慢的模块获取。您可以使用rand = random.random 缓存函数。此外，x**2 + y**2 也没有优化。 x*x + y*y 可以用来加速计算。此外，您也不需要分支：您可以使用acc += (x*x + y*y) < 1.0。这是生成的代码：

def monte_carlo_pi(n_samples: int):
    acc = 0
    rand = random.random
    for i in range(n_samples):
        x = rand()
        y = rand()
        acc += (x*x + y*y) < 1.0
    return 4.0 * acc / n_samples

这段代码在我的机器上快了大约 3 倍。与本机代码相比，它仍然很慢。例如，在这个简单的代码上使用 Numba JIT 甚至快 12 倍（与原始代码相比是 35 倍）。 这种缓慢的执行来自标准 CPython 解释器本身。您可以尝试 PyPy（基于 JIT 的解释器）是否希望这样的代码在不更改代码本身的情况下更快地执行。

最后，请注意 Numpy 包通常用于此类代码，以便获得有效的代码。

ARM 处理器在简单的重复计算上是否更快？或者是否有任何一个处理器使用多核功能？

两者都不是。由于在两个不同平台上的编译方式，解释器的速度可能会发生变化。此外，操作系统可以对代码的性能（通常是分配的速度）发挥重要作用。在您的情况下，一个代码在 Windows 上运行，而另一个代码在 Android（类似 Linux）上运行。 AFAIK，Windows 上的对象分配速度明显较慢。

如上所述，智能手机读取冗长包裹的速度相对较慢吗？

这非常依赖于您的硬件，尤其是您的存储设备、RAM 和 CPU。文件系统以及操作系统本身也发挥着重要作用。要知道为什么平台比其他平台慢，最好的方法就是使用分析器。

有没有更好的方法来衡量 PC 和智能手机之间的整体 Python 性能？

有几个基准可以评估 Python 实现在多个平台上的性能。其中之一是this one。基准测试非常困难（尤其是微基准测试），因为由于缺少因素，您很容易得出错误的结论。考虑一下您真正想要测量的内容，然后将所有可能的噪声源减少到零，因为一次比较多个因素是基准测试错误的主要来源。例如，在两台设备上使用相同的操作系统（例如，Android 或至少具有相同内核版本和类似配置/标志的基于 Linux 的系统）。您应该使用完全相同的CPython 版本。您还应该使用 same compiler 和 same flags 自己编译 CPython（或者可能使用等效的预编译二进制文件）。库/包的版本通常也很重要。对于 libc（标准 C 库）和 GMP（高效计算大数的库）尤其如此。如果要测量与之相关的事物，还应该使用具有相同文件系统的分区。我可能遗漏了许多重要的观点。有时一个代码可能比另一个代码慢得多，因为它是not aligned the same way in memory（以及关于目标平台的对齐策略更改）！甚至the size of the code matters 很多。这就是为什么您应该使用 profiler（例如，Linux 上的 perf 或 Windows 上的 VTune）检查为什么相同的代码在不同的上下文中变慢/变快的原因。

以下是相关帖子：

• Idiomatic way of performance evaluation?

这里有一些有趣的谈话：

• "Performance Matters" by Emery Berger
• CppCon 2017: Chandler Carruth "Going Nowhere Faster"