python优化执行速度_Python优化技巧之利用ctypes提高执行速度

首先给大家分享一个个人在使用python的ctypes调用c库的时候遇到的一个小坑

这次出问题的地方是一个C函数，返回值是malloc生成的字符串地址。平常使用也没问题，也用了有段时间， 没发现什么异常。

这次在测试中，发现使用这个过程会出现“段错误”，造成程序退出了。

经过排查， 确定问题原因是C函数的返回值问题，ctypes默认的函数返回类型是int类型。

需要在使用中设置返回类型，例如：

func.restype = c_char_p

下面我们就来详细探讨下ctypes的使用小技巧

ctypes 库可以让开发者借助C语言进行开发。这个引入C语言的接口可以帮助我们做很多事情,比如需要调用C代码的来提高性能的一些小型问题。通过它你可以接入Windows系统上的 kernel32.dll 和 msvcrt.dll 动态链接库,以及Linux系统上的 libc.so.6 库。当然你也可以使用自己的编译好的共享库

我们先来看一个简单的例子 我们使用 Python 求 1000000 以内素数，重复这个过程10次，并计算运行时间。

Output

42.8259568214

下面用C语言写一个的 check_prime 函数,然后把它当作共享库(动态链接库)导入

使用以下命令生成 .so (shared object)文件

gcc -shared -o prime.so -fPIC prime.c

Output

我们可以看到很明显的性能差距 这里 有更多的方法去判断一个数是否是素数

再来看一个复杂点的例子 快速排序

mylib.c

gcc -shared -o mylib.so -fPIC mylib.c

使用ctypes有一个麻烦点的地方是原生的C代码使用的类型可能跟Python不能明确的对应上来。比如这里什么是Python中的数组？列表？还是 array 模块中的一个数组。所以我们需要进行转换

test.py

Output

1.874907

与Python list 的 sort 方法进行对比

Output

2.501257

至于结构体，需要定义一个类，包含相应的字段和类型

除了导入我们自己写的C语言扩展文件，我们还可以直接导入系统提供的库文件，比如linux下c标准库的实现 glibc

Output

以上都是ctypes的基本技巧，对普通的开发人员来说，基本够用了