為什麼Cython寫的擴展會比直接用C寫還快？

01-21

本來是想測試Cython比起C寫的擴展到底有多慢的。。。結果令我無法理解的是，Cython寫的竟然比直接用C還快，代碼如下：
/* prime.c */ #include &
static PyObject* prime_is_prime(PyObject* self, PyObject* args) { int x = 0; int i = 2;
if (!PyArg_ParseTuple(args, "i", x)) { return NULL; } if (x &<= 1) { Py_RETURN_FALSE; } while (i &< x) { if (x % i == 0){ Py_RETURN_FALSE; } i++; } Py_RETURN_TRUE; } static PyMethodDef prime_methods[] = { {"is_prime", prime_is_prime, METH_VARARGS, NULL}, {NULL, NULL, 0, NULL}, }; PyMODINIT_FUNC initprime(void) { PyObject* module; module = Py_InitModule("prime", prime_methods); return; }
# prime.pyx def is_prime(int x): cdef int i = 2 if x &<= 1: return False while i &< x: if x % i == 0: return False i += 1 return True

函數功能都是判斷素數，為了體現語言本身的性能差異故意用了效率很低的素數定義實現，對從1到2^17的整數調用is_prime函數，結果是（單位：秒）：
C,Cython 1.89667,1.868518 1.918403,1.887766 1.901543,1.865995 1.894878,1.870471 1.89857,1.872739 1.921766,1.899559 1.883487,1.868034 1.898223,1.869915 1.894801,1.869459 1.886599,1.865767 1.896856,1.867167
我當時就凌亂了。。。
是不是以後寫Python擴展都不用用C了。。。

看一下 Cython 編譯出來的代碼你會發現，它的 PyMethodDef 中 is_prime 被定義為 METH_O，而你手寫的是 METH_VARARGS 。你手寫的版本需要額外用 PyArg_ParseTuple 來對參數進行解析，額外的時間應該是花在了這裡。

操作數字的小程序都很容易被優化的。我覺得你要做測試的時候應該選

1：C寫的版本內存用量巨大，而python的版本因為vm的關係用量更大

2：你操作的是字元串，譬如寫一個python的parser，層層遞歸

類似的句式，

「為什麼Java寫的代碼比用c寫還快？」

「為什麼c寫的代碼比用彙編寫還快？」

這並不奇怪。