用Cython编译Python的C扩展


部分的Python代码并未用到其动态性,却为此多付出了很多时间,所以出于性能考虑就会改用C扩展来加速。
然而用C写代码明显比Python麻烦多了,接口的处理也很繁琐,所以我一直没去尝试。
昨晚看到一篇《Cython三分钟入门》,让我眼前一亮:居然可以把大部分Python代码直接编译成C扩展(当然手动改写会更快,和C代码速度几乎完全相同)。而且它是完全自由的,可以使用任何许可证:public domain、BSD、GPL或all rights reserved。

不过介绍前首先得提下,我认为Python主要慢在这些地方:
变量类型在运行期动态决定,且可任意更改对象结构。这使得查找对象及其属性被延迟到运行期,而很多情况下是不会在运行期更改的,因此造成很大浪费。
一切都是对象,连整数也不例外,所以连整数加法都会构造新的对象,自然比C慢。因此涉及数值计算等大量计算的场合,使用NumPy、SciPy等C编写的库或自己编写C扩展比较好。
函数调用需要构造参数元组,开销比C大,而且也不会内联。但如果函数本身的运算时间很长,远大于函数调用的开销,那也没太多必要优化。
循环语句用for ... in xrange(...)是Python中最快的方法,但内部是用yield实现的,这种跳转代价很大,CPU很难预测。

如果认为自己的代码就慢在这几点,那么就继续往下看吧。

先是安装Cython。由于我只有Windows,所以就只介绍这个平台。
英文的说明可以看《InstallingOnWindows》,共有2步:
一、安装MinGW。现在SF已不提供完整安装版了,只能下载在线安装版。由于Cython也支持C++,所以我也勾选了g++编译器。
装好后把MinGW目录/bin加入PATH环境变量,并保证gcc --version可以正确执行。
接着去Python目录\Lib\distutils下添加一个distutils.cfg文件,内容如下:
[build]
compiler = mingw32
实际上这最后一步也可不做,但每次编译都需要加一个-c参数来指定编译器。
二、安装Cython
我是直接下载exe版本的,直接运行即可。Python 2.4可能还要做些额外处理,我没有这个版本,没法测试。

接着就可以来测试了,先来写个hello world。
hw.py:
def hi():
    print "Hello World"
setup.py:
from distutils.core import setup
from distutils.extension import Extension
from Cython.Distutils import build_ext

setup(
    cmdclass = {'build_ext': build_ext},
    ext_modules = [Extension("hw", ["hw.py"])]
)
然后运行这段代码进行编译:
setup.py build_ext --inplace
这就生成了很多文件,其中hw.pyd就是生成的C扩展了。
接着测试一下:
>>> from hw import hi
>>> hi()
Hello World

然后来测试下性能:
csigma.py和pysigma.py:
def sigma(n):
  a = 0
  for i in xrange(n):
    a += i
  return a
测试脚本:
from timeit import Timer

print Timer('sigma(10000)','from csigma import sigma').timeit(10000)
print Timer('sigma(10000)','from pysigma import sigma').timeit(10000)
结果:
3.97598186362
5.50760753112
提升了40%,不算太快。
稍微改改csigma.py,加上变量类型声明:
def sigma(int n): # 这里也可以改成cpdef int sigma(int n),速度稍慢,看来要与Python交互的函数还是不要写返回值类型比较好;而加上inline则更慢
  cdef int a = 0
  cdef int i
  for i in xrange(n): # 也可写成for i from 0 <= i < n,实际上声明i为整数后,前者会自动转换成后者
    a += i
  return a
这下提升就非常明显了:
0.0740379014651
5.46775861178
此外,重命名为csigma.pyx,又变快了一点点,到了0.07以内了。

接着和C比较一下,由于性能提高了很多,所以把计算参数改成一百万来测试。
先修改cygwinccompiler.py,把gcc -mno-cygwin -O改成gcc -mno-cygwin -O3(还可以改写setup.py,在Extension里加上extra_compile_args=["-O3"]),测试结果为6694~6709毫秒。
然后是C代码:
#include <stdio.h>
#include <time.h>

int sigma(int n)
{
  int a = 0;
  int i = 0; // 循环变量也可以在for里声明,但必须加上-std=c99编译参数,而且会稍慢一点
  for (; i < n; ++i)
  {
    a += i;
  }
  return a;
}

int main()
{
    clock_t t = clock();
    int i = 0;
    int sum;
    for (; i < 10000; ++i)
    {
        sum = sigma(1000000);
    }
    clock_t t2 = clock();
    printf("%d", t2 - t);
    printf("\n%d", sum);

    return 0;
}
加上-O3参数,成绩为6671~6718毫秒,和Cython代码的速度几乎相同。

2011年9月4日更新:Cython 0.15已经发布,cython -a指令可以显示哪些代码可以加上静态类型:

展开阅读全文

没有更多推荐了,返回首页