你可能会认为这是另一个比较 Python 与其他语言的博客，并试图让我们友好的 Python 士气低落，因为它是多么的慢和笨拙，对吧？
当然，与其他速度极快的语言相比，python 速度很慢。
Python就像......
但是，这里有一个问题，力量在于团结，不是吗？
如果我们利用其他语言的速度并将其转移到 python 中会怎样？
Keeeeep goooooing...。
那肯定会使python有点快。这就是我们这次将尝试做的事情。我们将为 python 制作 C++ 和 Rust 包装器并评估我们的速度。
我将在整个博客中使用 WSL
环境设置
- 安装 Rust ，如果你在 wsl 上安装，只需运行以下命令
curl --proto '=https' --tlsv1.2 -sSf https://sh.rustup.rs | 嘘
- 我们将创建一个 python 环境来维护依赖关系并安装 pybind11 ，它是 C++ 的包装器。我们还将安装 line_profiler 来评估我们的代码。
$ python3 -m venv .env
$ source .env/bin/activate$ pip install pybind11
$ pip install line_profiler
- 注意 → 在 .env 激活时运行以下所有命令
- 接下来我们要做的是设置我们的 Rust 包装器，我们将使用 Py03 （相当于 pybind11，但用于 rust）。
$ mkdir rust_wrapper
$ cd rust_wrapper$ maturin init
(注意--> 运行上述命令后选择 py03 作为绑定)
毕竟，我们的文件夹结构将如下所示：
现在，问题是，我们将在什么基础上比较这些包装器？
我将尝试在称为插入排序的排序算法上比较这些。您可以单击以下 链接 以了解更多信息。
- 但是我们需要很多数字来排序。我们将使用 python random 函数生成一个随机数的 txt 文件。
随机生成器.py
运行此脚本后，我们生成一个名为 randomNumbers.txt 的文件
- 接下来我们将创建一个用于插入排序的python函数
python_self.py
- 接下来我们将创建一个用于插入排序的 C++ 函数
cpp_wrapper.cpp
让我们看看这里发生了什么：
- 第 1 → 6 行：导入标头
- 第 8 → 25 行：定义函数
- 第 27 行：定义 pybind11 模块，我们将 cpp_wrapper 作为模块名称，并将 m 作为对其的引用
- 第 28 行：为模块定义文档（形式）
- 第 29 行：在模块中定义函数
- 接下来我们将创建一个用于插入排序的 Rust 函数，因此进入 rust_wrapper/src/lib.rs 并使用以下内容进行更新：
rust_wrapper/src/lib.rs
让我们看看这里发生了什么：
- 第 1 → 3 行：进口
- 第 6 → 18 行：定义函数
- 第 22 行：定义 rust_wrapper 模块，其中 m 引用 PyModule（类似于 pybind11）
- 第 23 行：我们使用 wrap_pyfunction 检查向这个模块添加一个名为 insert_sort 的函数。
呜呜呜！！！那是很多新代码。让我们休息 45 秒，让它在我们的大脑中休息。
即使是像你这样的英雄也需要休息，冷静一点
现在几乎所有的东西都准备好了。但是我们仍然需要运行一些命令来为cpp和rust生成 .so文件，然后最终可以被 python 使用。
- 要生成 cpp 包装器，请在根目录中运行以下命令
$ c++ -O3 -Wall -shared -std=c++11 -fPIC $(python3 -m pybind11 --includes) cpp_wrapper.cpp -o cpp_wrapper$(python3-config --extension-suffix)
- 将 rust wrapper cd 生成到 rust_wrapper 目录并运行以下命令
$成熟素开发
- 现在我们终于创建了一个用于测试的python脚本
python_benchmark.py
上面脚本中唯一新的部分是函数装饰器“@profile”，它实际上定义了我们需要通过 line_profiler 运行测试的函数。
现在我们的文件夹结构应该如下所示：
现在我们最终评估我们的结果，运行以下命令以生成 .lprof 报告
& kernprof -l python_benchmark.py
现在要实际查看此报告，请运行以下命令
$ python -m line_profiler python_benchmark.py.lprof
并且会得到类似下面的东西
结果
那么我们可以清楚地看到墙上的时间顺序是 cpp < rust < python
注意 → 这个测试是在 9800 个随机数上完成的。
上面有一些不熟悉的命名法，我们可以从下面的备忘单中理解：
那么我们可以从这个小实验中得出什么结论呢？
是的，Python 很慢，但这并不意味着您的代码必须很慢。您可以使用这些不同的开源包装器来使其速度极快。我的意思是已经有了 PyPy，但我们仍然可以灵活使用 。
蟒蛇现在！！
这次就是这样，你会很快见到你很酷的东西吗！
再见，保重！！
是的，这里是这个实验的 GitHub 存储库的 链接。