尝试cython和openmp

1. 初衷

最近学用python，python不愧是为程序员考虑的编程语言，写起来很快很方便，大大节省开发效率。而且，对于小规模程序，运行效率也不错。前两天写了一篇博文《 【总结】学用python写程序 》，大大地夸奖了python一番。不过这两天，我就受到“诅咒”了。数据规模稍微大一点，python的执行效率的差劲就体现出来了。这两天写的一个程序，尽管在我所知道的范围内，我做了python语言能做的优化，不过程序依然运行了五个小时之久。想把程序改成c++的，不过开发时间较长，而且未来可能还有改动。所以暂罢。

上网上查了查python效率的问题。一方面，网上这方面资料不是很多，例如：我们都知道stl里面set是用红黑树实现的，不过python的set怎么实现的，貌似网上没有。这说明用python的人貌似都不关心效率问题。另一方面，据网上资料说，python运行效率比java还慢。我作为c++程序员从前很鄙视java的运行效率，原来python还不如java呢！不过java是虚拟机，python是解释器，为什么python更慢呢？原因在于python更加“面向对象”，python的所有类型都是对象，连最普通的整数变量都是对象，都要在运行的时候才能够确定类型、才能够动态创建......这大大加重了运行时的负担，所以运行效率才这么差。对比之下，同样的程序用cython写，仅仅是声明了变量类型，运行效率就会有35%的提升。

我从前用过openmp，见从前的博文《 简单尝试windows多线程程序 》。感觉openmp是神器一个，既方便写程序，又能利用cpu的多个核心，大大提升运行效率。问题是，python中能够使用openmp么？答案是悲观的。python的默认实现是cpython，也就是用c来做的实现，而c的函数大部分都不是线程安全的，为了利用这些函数实现、同时又为了运行时的线程安全，python做了GIL（Global Interpreter Lock）的限制，也就是说，同一段时间内只有一个线程才能够访问python解释器。不过这也使得python上面的并发特别困难。

不过也不是一点方法都没有，cython现在已经支持了openmp。cython是什么？和python、cpython什么关系？python是脚本语言，cpython是用c来实现的python的解释器，cython是另外一种编程语言，介于python和c之间。实际上cython的设计初衷也是这样，既要利用python快捷的编程速度，又要有c语言的运行效率。cython和python的一个显著区别就是，cython的所有变量都要明确声明变量类型——仅仅这一点，相同的程序，cython的运行效率就要比python的高35%！虽然cython是一种独立的编程语言，不过貌似大家不用他独立的编写程序，而是用它来编写python的c扩展（用c高效实现某些程序，再给python调用）。这几天尝试的，就是在cython上面用openmp，并写成python的c扩展，给python调用。

2. 环境

windows7 + 32bit + vistual studio 2008 + python 2.7.3 + eric4，都是默认安装路径。

3. 安装cython

官网上下载的Cython-0.20.1，从控制台上切到cython的路径，运行setup.py就一路编译安装下去了，没遇到其他问题。

在网上看到，很多人在安装的时候遇到很多问题，基本上都是找不到c++编译器，具体表现是提示找不到一个叫“vs....bat”的文件。解决办法通常是安装mingw（gcc在windows下的版本），然后修改一个.cfg文件，指定用这个编译器来build。

我的安装过程没有遇到问题，看网上的解释，貌似是python2.7的cpython是用vistual studio 2008来编译的，默认找对了编译器，所以没问题了。总之，装上了，没问题。

4. 写pyx文件

pyx文件是python的c扩展文件，代码要符合cython的规范，用什么编辑器写都行。我在eric4上写的，结果它默认用python解释器来进行解释，还提示有bug，“语法错误”。不理会他，本来cython的语法在python里面就不支持。创建TestOMP.pyx文件，并在文件中写代码如下：

from cython.parallel import prange, parallel, threadid
from libc.stdio cimport printf

def Test():
    cdef int i = 0
    cdef int sum = 0
    for i in prange(1000000, num_threads=2, nogil=True):  
        printf ("%d\n", i)

第一句引入了cython中的并行处理模块，尤其是prange。我理解，prange就是“python 'range' of parallel version”，就是并行循环。第二句是引入了c语言中的‘printf’函数。整个文件就定义了一个Test函数。看到，每个变量在使用前都要声明类型。在prange中，有参数‘num_threads’来设定并发数量。nogil表示‘no gil(Global Interpreter Lock)’，想要获得并行，这个参数就要设置。在循环过程中，调用了c的库函数printf，来打印每个整数值。

5. 写setup.py文件

 

上面的pyx文件还仅仅是源代码文件，要想被python调用、要想运行，仅仅写了源代码还是不够的。具体来说，还要转成.c或者.c++的文件，并且再进一步转成.pyd文件。pyd文件才是可以直接使用的文件。为了达到上述目的，就要写一个setup.py脚本，如下：

#!/usr/bin/python
#python version: 2.7.3
#Filename: SetupTestOMP.py

# Run as:  
#    python setup.py build_ext --inplace  
  
import sys  
sys.path.insert(0, "..")  
  
from distutils.core import setup  
from distutils.extension import Extension  
from Cython.Build import cythonize  
from Cython.Distutils import build_ext
  
# ext_module = cythonize("TestOMP.pyx")  
ext_module = Extension(
						"TestOMP",
	["TestOMP.pyx"],
	extra_compile_args=["/openmp"],
	extra_link_args=["/openmp"],
	)
  
setup(
    cmdclass = {'build_ext': build_ext},
		ext_modules = [ext_module], 
)

这个完全是一个python脚本，可以在python解释器下面运行。在控制台下，运行如下命令‘python setup.py build_ext --inplace’，就生成了TestOMP.pyd文件。当然，同时还有一些杂七杂八的文件，如‘build’目录下面的‘lib’文件。这都提示着，这是在windows vistual studio环境下。在linux+gcc环境下，就要生成.so文件了。

6. 写TestOMP.py文件

上述两个步骤，相当于把某个python效率瓶颈模块（这之前需要用profile工具来定位）用效率更高的代码写成了python的c扩展形式，接下来，就是要在python代码中调用他们。TestOMP.py就是这个调用的脚本，如下：

from TestOMP import Test

Test()

这个就很容易了，import并且调用。在控制台下，输入“python TestOMP.py”

7. 结果

上面是在控制台上的输出。能够看到，的确是prange把1000000这一个大循环分成了两个区间：[0, 500000) 和 (500001,1000000]，两个循环并行运行，并交替使用控制台IO进行输出。

同时写了一个对等的c++程序，如下：

#include <iostream>

using namespace std;

void PlayOMP (void)
{
#pragma omp parallel for num_threads(2)
	for (int i=0; i<1000000; i++)
		cout <<i <<"\n";
}

int main (void)
{
	cout << "Hello world for play omp!" << endl;
	PlayOMP();
	return 0;
}

同时，在Configuration Properties->C/C++->Language->OpenMP Support，在下拉菜单里选择Yes。并且从C:\Program Files\Microsoft Visual Studio 9.0\VC\redist\x86\Microsoft.VC90.OPENMP 和 C:\Program Files\Microsoft Visual Studio 9.0\VC\redist\Debug_NonRedist\x86\Microsoft.VC90.DebugOpenMP目录下分别拷贝vcomp90d.dll和vcomp90.dll文件到工程文件当前目录下，或者将上述两个路径设置到环境变量里面。

编译、运行，结果和python上面的一样——不过貌似更快！

出处：http://blog.csdn.net/xceman1997/article/details/26977483