Python 的性能值得付出代价吗？答案

【问题标题】：Performance of Python worth the cost?Python 的性能值得付出代价吗？
【发布时间】：2010-12-02 15:49:58
【问题描述】：

我正在考虑基于 PyFuzzy (Python) 或 FFLL (C++) 库实现模糊逻辑控制器。

我更喜欢使用 python，但我不确定它的性能在嵌入式环境中是否可以接受（ARM 或嵌入式 x86 proc 都 ~64Mbs 的 RAM）。

主要关注的是响应时间尽可能快（5hz+ 的更新速率是理想的 >2Hz 是必需的）。该系统将从一个 RS232 端口读取多个（可能是 5 个）传感器，并根据模糊评估的结果提供 2/3 的输出。

我是否应该担心 Python 对这项任务来说太慢了？

【问题讨论】：

【解决方案1】：

一般来说，在您真正看到它成为一个问题之前，您不应该过于关注性能。由于我们不知道您的应用程序的详细信息，因此我们无法说明如果用 Python 实现它会如何执行。既然你还没有实现它，你也不能。

首先实施您最熟悉并且可以最快实施的版本。然后对其进行基准测试。如果太慢了，你有三个选项应该按顺序完成：

首先，优化您的 Python 代码
如果这还不够，请用 C/C++ 编写对性能最关键的函数，然后从 Python 代码中调用它
最后，如果您真的需要顶级性能，您可能必须用 C++ 重写整个内容。但至少你会在 Python 中拥有一个工作原型，并且你会对应该如何实现它有一个更清晰的想法。您将知道要避免哪些陷阱，并且您将拥有一个已经正确的实现来测试和比较结果。

【讨论】：

是万恶之源，全是栈溢出。
在所有方面都同意 jalf。此外，如果大部分工作将通过库调用完成，那么您是从 C 还是从 Python 调用库并不重要。如果您使用 Python 的内置语言功能和 C 库模块，您甚至可能永远不会注意到 Python 的性能下降；如果你尝试用原生 Python 或类似的东西编写自己的 FFT，你会看到糟糕的性能。使用 Python 编写真正高级的部分，并尝试让 Python 和 C 库完成繁重的工作。
@tkadlubo：我没有使用那句话，因为人们经常误解它。性能很重要，优化很重要。 Knuth 的观点很简单，在您的大部分代码中，优化没有任何收获，除非您知道代码的哪些部分是瓶颈，否则任何优化尝试都为时过早。不幸的是，人们常常以此为借口忽视性能和优化。
@jalf：我的观点是性能总是至关重要的，但是在不同的情况下使用不同的性能指标。通常，开发人员的时间是最稀缺的优化资源。
这是真的（该死的 15 个字符限制）

【解决方案2】：

Python 在处理大量非字符串数据时非常缓慢。对于某些操作，您可能会发现它比 C/C++ 慢 1000 倍，所以是的，您应该对此进行调查并进行必要的基准测试，然后再使用 Python 进行时间关键算法。

但是，您可以使用 C/C++ 代码中的模块来扩展 python，这样时间关键的事情会很快，同时仍然可以将 python 用于主要代码。

【讨论】：

【解决方案3】：

让它工作，然后让它快速工作。

【讨论】：

【解决方案4】：

如果您的大部分运行时都花在 C 库中，那么您用来调用这些库的语言并不重要。你的时间消耗库是用什么语言编写的？

【讨论】：

【解决方案5】：

根据您的描述，速度应该不是什么大问题（您可以使用 C、cython 等任何您想要让它更快的东西），但内存会是。对于最大 64 Mb 的环境（操作系统和所有环境也应该适合，对吗？），我认为 python 很可能不是目标部署的正确工具。

如果你有不平凡的逻辑要处理，我仍然会在 python 中进行原型设计。

【讨论】：

【解决方案6】：

我从未真正测量过 pyfuzzy 示例的性能，但新版本 0.1.0 可以像 FFLL 一样读取 FCL 文件。只需以这种格式描述您的模糊系统，编写一些包装器，然后检查两种变体的性能。

要使用 pyfuzzy 读取 FCL，您需要 antlr python 运行时，但在读取后您应该能够腌制读取的对象，因此您不需要目标上的 antlr 开销。

【讨论】：