一套代码在不同的电脑执行快慢_你知道你的电脑 1 秒钟能做多少事情吗？

让我们来看看你有多么了解电脑！所有这些程序的数值都是可变的。你的任务是：在程序花费1秒运行之前猜测它的大概值。

你并不需要猜出一个精确值：选择范围在1和10亿之间。你只要能猜出正确的数量级，就算正确！下面是一些注意事项：

• 如果答案是38,000，那么你选择10,000或100,000，我们就认为都是正确答案。误差只要在10倍范围内就ok:)
• 我们知道不同的计算机有不同的磁盘、网络和CPU速度！我们会告诉运行10次/秒和10万次/秒的代码之间的差别。更新的电脑不会让你的代码运行速度快1000倍:)
• 也就是说，所有这一切都是运行在一台新的拥有一个快速的SSD和一个凑合的网络连接的笔记本电脑上的。 C代码用gcc -O2编译。

祝你好运！

欢迎来到第一个程序！这一个只是让你练练手的：1秒能完成多少循环？ (结果可能比你想象得更多！)

猜猜下面的程序每秒执行多少次循环：

#include // Number to guess: How many iterations of// this loop can we go through in a second?int main(int argc, char **argv) { int NUMBER, i, s; NUMBER = atoi(argv[1]); for (s = i = 0; i < NUMBER; ++i) { s += 1; } return 0;}

准确答案：550,000,000

猜猜下面的程序每秒执行多少次循环：

#!/usr/bin/env python# Number to guess: How many iterations of an# empty loop can we go through in a second?def f(NUMBER): for _ in xrange(NUMBER): passimport sysf(int(sys.argv[1]))

准确答案：68,000,000

当我看着代码的时候，我想的是1毫秒完成多少次——我以为是微不足道的，但事实是，即使是Python，你也可以在1毫秒的时间内执行68,000次空循环迭代。

下面让我们来探讨一个更接近现实的用例。在Python中字典几乎是无处不在的，那么在1秒时间内我们可以用Python添加多少元素呢？

然后再来看一个更复杂的操作——使用Python的内置HTTP请求解析器来解析请求。

猜猜下面的程序每秒执行多少次循环：

#!/usr/bin/env python# Number to guess: How many entries can# we add to a dictionary in a second?# Note: we take `i % 1000` to control# the size of the dictionarydef f(NUMBER): d = {} for i in xrange(NUMBER): d[i % 1000] = iimport sysf(int(sys.argv[1]))

准确答案：11,000,000

猜猜下面的程序每秒处理多少次HTTP请求：

#!/usr/bin/env python# Number to guess: How many HTTP requests# can we parse in a second?from BaseHTTPServer import BaseHTTPRequestHandlerfrom StringIO import StringIOclass HTTPRequest(BaseHTTPRequestHandler): def __init__(self, request_text): self.rfile = StringIO(request_text) self.raw_requestline = self.rfile.readline() self.error_code = self.error_message = None self.parse_request() def send_error(self, code, message): self.error_code = code self.error_message = messagerequest_text = """GET / HTTP/1.1Host: localhost:8001Connection: keep-aliveAccept: text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,*/*;q=0.8Upgrade-Insecure-Requests: 1User-Agent: Mozilla/5.0 (Macintosh; Intel Mac OS X 10_10_5) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/45.0.2454.85 Safari/537.36Accept-Encoding: gzip, deflate, sdchAccept-Language: en-GB,en-US;q=0.8,en;q=0.6"""def f(NUMBER): for _ in range(NUMBER): HTTPRequest(request_text)import sysf(int(sys.argv[1]))

准确答案：25,000

我们每秒可以解析25,000个小的HTTP请求！有一件事我要在这里指出的是，这里请求解析的代码是用纯Python编写的，而不是C。

接下来，我们要试试下载网页与运行Python脚本！提示：少于1亿:)

猜猜下面的程序每秒可以完成多少次HTTP请求：

#!/usr/bin/env python# Number to guess: How many times can we# download google.com in a second?from urllib2 import urlopendef f(NUMBER): for _ in xrange(NUMBER): r = urlopen("http://google.com") r.read()import sysf(int(sys.argv[1]))

准确答案：4

猜猜下面的程序每秒可以执行多少次循环：

#!/bin/bash# Number to guess: How many times can we start# the Python interpreter in a second?NUMBER=$1for i in $(seq $NUMBER); do python -c '';done

准确答案：77

启动程序实际上昂贵在其本身，而不是启动Python。如果我们只是运行/bin/true，那么1秒能做500次，所以看起来运行任何程序只需要大约1毫秒时间。当然，下载网页的快慢很大程度上取决于网页大小，网络连接速度，以及服务器间的距离，不过今天我们不谈网络性能。我的一个朋友说，高性能的网络完成网络往返甚至可能只要250纳秒(！！！)，但这是在计算机位置更相邻，硬件更好的情况下。

1秒时间能够在磁盘中写入多少字节？我们都知道写到内存中时速度会更快，但是究竟会快多少呢？对了，下面的代码运行在带有SSD的计算机上。

猜猜下面的程序每秒可以写入多少字节数据：

#!/usr/bin/env python# Number to guess: How many bytes can we write# to an output file in a second?# Note: we make sure everything is sync'd to disk# before exitingimport tempfileimport osCHUNK_SIZE = 1000000s = "a" * CHUNK_SIZEdef cleanup(f, name): f.flush() os.fsync(f.fileno()) f.close() try: os.remove(name) except: passdef f(NUMBER): name = './out' f = open(name, 'w') bytes_written = 0 while bytes_written < NUMBER: f.write(s) bytes_written += CHUNK_SIZE cleanup(f, name)import sysf(int(sys.argv[1]))

准确答案：342,000,000

猜猜下面的程序每秒可以写入多少字节数据：

#!/usr/bin/env python# Number to guess: How many bytes can we write# to a string in memory in a second?import cStringIOCHUNK_SIZE = 1000000s = "a" * CHUNK_SIZEdef f(NUMBER): output = cStringIO.StringIO() bytes_written = 0 while bytes_written < NUMBER: output.write(s) bytes_written += CHUNK_SIZEimport sysf(int(sys.argv[1]))

准确答案：2,000,000,000

下面轮到文件了！有时候，运行一个大型的grep之后，它可以永恒跑下去。在1秒时间内，grep可以搜索多少字节？

请注意，在这么做的时候，grep正在读取的字节已经在内存中。

文件列表同样需要时间！1秒能列出多少文件？

猜猜下面的程序每秒可以搜索多少字节的数据：

#!/bin/bash # Number to guess: How many bytes can `grep`# search, unsuccessfully, in a second?# Note: the bytes are in memoryNUMBER=$1cat /dev/zero | head -c $NUMBER | grep blahexit 0

准确答案：2,000,000,000

猜猜下面的程序每秒可以列出多少文件：

#!/bin/bash# Number to guess: How many files can `find` list in a second?# Note: the files will be in the filesystem cache.find / -name '*' 2> /dev/null | head -n $1 > /dev/null

准确答案：325,000

序列化是一个普遍要花费大量时间的地方，让人很蛋疼，特别是如果你反复结束序列化/反序列化相同数据的时候。这里有几个基准：转换64K大小的JSON格式数据，与同样大小的msgpack格式数据。

猜猜下面的程序每秒可以执行多少次循环：

#!/usr/bin/env python# Number to guess: How many times can we parse# 64K of JSON in a second?import jsonwith open('./setup/protobuf/message.json') as f: message = f.read()def f(NUMBER): for _ in xrange(NUMBER): json.loads(message)import sysf(int(sys.argv[1]))

准确答案：449

猜猜下面的程序每秒可以执行多少次循环：

#!/usr/bin/env python# Number to guess: How many times can we parse# 46K of msgpack data in a second?import msgpackwith open('./setup/protobuf/message.msgpack') as f: message = f.read()def f(NUMBER): for _ in xrange(NUMBER): msgpack.unpackb(message)import sysf(int(sys.argv[1]))

准确答案：4,000

数据库。没有任何类似于PostgreSQL花里胡哨的东西，我们做了2份有1000万行数据的SQLite表，一个是有索引的，另一个是未建索引的。

猜猜下面的程序每秒可以执行多少次查询：

#!/usr/bin/env python# Number to guess: How many times can we# select a row from an **indexed** table with # 10,000,000 rows?import sqlite3conn = sqlite3.connect('./indexed_db.sqlite')c = conn.cursor()def f(NUMBER): query = "select * from my_table where key = %d" % 5 for i in xrange(NUMBER): c.execute(query) c.fetchall()import sysf(int(sys.argv[1]))

准确答案：53,000

猜猜下面的程序每秒执行多少次查询：

#!/usr/bin/env python# Number to guess: How many times can we# select a row from an **unindexed** table with # 10,000,000 rows?import sqlite3conn = sqlite3.connect('./unindexed_db.sqlite')c = conn.cursor()def f(NUMBER): query = "select * from my_table where key = %d" % 5 for i in xrange(NUMBER): c.execute(query) c.fetchall()import sysf(int(sys.argv[1]))

准确答案：2

下面要说Hash算法！在这里，我们将比较MD5和bcrypt。用MD5你在1秒时间内可以哈希到相当多的东西，而用bcrypt则不能。

猜猜下面的程序每秒可以哈希多少字节的数据：

#!/usr/bin/env python# Number to guess: How many bytes can we md5sum in a second?import hashlibCHUNK_SIZE = 10000s = 'a' * CHUNK_SIZEdef f(NUMBER): bytes_hashed = 0 h = hashlib.md5() while bytes_hashed < NUMBER: h.update(s) bytes_hashed += CHUNK_SIZE h.digest()import sysf(int(sys.argv[1]))

准确答案：455,000,000

猜猜下面的程序每秒可以哈希多少字节的密码：

#!/usr/bin/env python# Number to guess: How many passwords# can we bcrypt in a second?import bcryptpassword = 'a' * 100def f(NUMBER): for _ in xrange(NUMBER): bcrypt.hashpw(password, bcrypt.gensalt())import sysf(int(sys.argv[1]))

准确答案：3

接下来，我们要说一说内存访问。 现在的CPU有L1和L2缓存，这比主内存访问速度更快。这意味着，循序访问内存通常比不按顺序访问内存能提供更快的代码。

猜猜下面的程序每秒可以向内存写入多少字节数据：

#include #include // Number to guess: How big of an array (in bytes)// can we allocate and fill in a second?// this is intentionally more complicated than it needs to be// so that it matches the out-of-order versionint main(int argc, char **argv) { int NUMBER, i; NUMBER = atoi(argv[1]); char* array = malloc(NUMBER); int j = 1; for (i = 0; i < NUMBER; ++i) { j = j * 2; if (j > NUMBER) { j = j - NUMBER; } array[i] = j; } printf("%d