Eu queria comparar as linhas de leitura de entrada de string do stdin usando Python e C ++ e fiquei chocado ao ver meu código C ++ executar uma ordem de magnitude mais lenta que o código Python equivalente. Como meu C ++ está enferrujado e ainda não sou um especialista em Python, me diga se estou fazendo algo errado ou se estou entendendo errado.
(Resposta do TLDR: inclua a declaração: cin.sync_with_stdio(false)
ou use apenas fgets
.
Resultados do TLDR: role até o final da minha pergunta e veja a tabela.)
Código C ++:
#include <iostream>
#include <time.h>
using namespace std;
int main() {
string input_line;
long line_count = 0;
time_t start = time(NULL);
int sec;
int lps;
while (cin) {
getline(cin, input_line);
if (!cin.eof())
line_count++;
};
sec = (int) time(NULL) - start;
cerr << "Read " << line_count << " lines in " << sec << " seconds.";
if (sec > 0) {
lps = line_count / sec;
cerr << " LPS: " << lps << endl;
} else
cerr << endl;
return 0;
}
// Compiled with:
// g++ -O3 -o readline_test_cpp foo.cpp
Equivalente em Python:
#!/usr/bin/env python
import time
import sys
count = 0
start = time.time()
for line in sys.stdin:
count += 1
delta_sec = int(time.time() - start_time)
if delta_sec >= 0:
lines_per_sec = int(round(count/delta_sec))
print("Read {0} lines in {1} seconds. LPS: {2}".format(count, delta_sec,
lines_per_sec))
Aqui estão os meus resultados:
$ cat test_lines | ./readline_test_cpp
Read 5570000 lines in 9 seconds. LPS: 618889
$cat test_lines | ./readline_test.py
Read 5570000 lines in 1 seconds. LPS: 5570000
Devo observar que tentei isso tanto no Mac OS X v10.6.8 (Snow Leopard) quanto no Linux 2.6.32 (Red Hat Linux 6.2). O primeiro é um MacBook Pro e o último é um servidor muito robusto, não que isso seja pertinente demais.
$ for i in {1..5}; do echo "Test run $i at `date`"; echo -n "CPP:"; cat test_lines | ./readline_test_cpp ; echo -n "Python:"; cat test_lines | ./readline_test.py ; done
Test run 1 at Mon Feb 20 21:29:28 EST 2012
CPP: Read 5570001 lines in 9 seconds. LPS: 618889
Python:Read 5570000 lines in 1 seconds. LPS: 5570000
Test run 2 at Mon Feb 20 21:29:39 EST 2012
CPP: Read 5570001 lines in 9 seconds. LPS: 618889
Python:Read 5570000 lines in 1 seconds. LPS: 5570000
Test run 3 at Mon Feb 20 21:29:50 EST 2012
CPP: Read 5570001 lines in 9 seconds. LPS: 618889
Python:Read 5570000 lines in 1 seconds. LPS: 5570000
Test run 4 at Mon Feb 20 21:30:01 EST 2012
CPP: Read 5570001 lines in 9 seconds. LPS: 618889
Python:Read 5570000 lines in 1 seconds. LPS: 5570000
Test run 5 at Mon Feb 20 21:30:11 EST 2012
CPP: Read 5570001 lines in 10 seconds. LPS: 557000
Python:Read 5570000 lines in 1 seconds. LPS: 5570000
Minúsculo adendo e resumo
Para garantir a integridade, pensei em atualizar a velocidade de leitura do mesmo arquivo na mesma caixa com o código C ++ original (sincronizado). Novamente, isso é para um arquivo de linha de 100 milhões em um disco rápido. Aqui está a comparação, com várias soluções / abordagens:
Implementation Lines per second
python (default) 3,571,428
cin (default/naive) 819,672
cin (no sync) 12,500,000
fgets 14,285,714
wc (not fair comparison) 54,644,808
<iostream>
desempenho é péssimo. Não é a primeira vez que isso acontece. 2) Python é inteligente o suficiente para não copiar os dados no loop for porque você não os usa. Você pode testar novamente tentando usar scanf
e a char[]
. Como alternativa, você pode tentar reescrever o loop para que algo seja feito com a string (por exemplo, mantenha a quinta letra e concatene-a em um resultado).
cin.eof()
!! Coloque a getline
chamada na instrução 'if'.