记录执行时间：计算机如何快速计算出算术？

Question

一开始我的问题似乎很基本，但请耐心等待。

我编写了以下代码，以测试python从1计数到1,000,000需要多长时间。

import time

class StopWatch:
    def __init__(self, startTime = time.time()):
        self.__startTime = startTime
        self.__endTime = 0

    def getStartTime(self):
        return self.__startTime

    def getEndTime(self):
        return self.__endTime



    def stop(self):
        self.__endTime = time.time()



    def start(self):
        self.__startTime = time.time()

    def getElapsedTime(self):
        return self.__endTime - self.__startTime


count = 0
Timer = StopWatch()
for i in range(1, 1000001):
    count += i

Timer.stop()
total_Time = Timer.getElapsedTime()
print("Total time elapsed to count to 1,000,000: ",total_Time," milliseconds")

我计算出令人惊讶的短时间跨度。 是0.20280098915100098毫秒。 我首先要问： 这是正确的吗？

我希望执行时间至少为2或3毫秒，但我没想到它可以在不到半毫秒的时间内完成计算！

如果这是正确的，那将引出我的第二个问题： 为什么这么快？

我知道CPU本质上是为算术而构建的，但我仍然不希望它能够在十分之二毫秒的时间内达到百万。

Answer 1

就像@jonrsharpe所说的那样，也许您被时间计量单位欺骗了。

不过，第三代Intel i7能够达到120 + GIPS（即每秒数十亿次基本操作），因此，假设所有缓存命中且没有上下文切换（简单地说，没有意外等待），它可以很容易地从0到1G计数。说时间甚至更多。 可能不是使用Python，因为它有一些开销，但仍然可行。

解释现代CPU如何实现如此“疯狂”的速度是一个广泛的话题，实际上是不止一种技术的协作：

1. 动态调度程序将重新排列基本指令，以尽可能减少冲突（因此，等待）
2. 精心设计的缓存将立即提供代码和（尽管对于该基准测试而言，问题较少）。
3. 动态分支预测器将分析代码并推测分支条件（例如“ for循环是否结束？”），以预测发生跳跃的可能性很高，并且“获胜”。
4. 一个好的编译器将通过重新布置指令来减少冲突或使循环更快（通过展开，合并等）来提供额外的精力。
5. 多精度算术可以利用MMX集合和类似集合提供的矢量运算。

简而言之，这些小奇迹如此昂贵是有原因的:)

Answer 2

首先，正如已经指出的，time（）输出实际上以秒为单位，而不是毫秒。

另外，您实际上是对总共1m ** 2/2执行1m次加法，不算到1m，并且您正在初始化一个带有range一百万个长的列表（除非您在python 3上）。

我在笔记本电脑上进行了一个更简单的测试：

start = time.time()
i = 0;
while i < 1000000:
   i+=1
print time.time() - start

结果：

0.069179093451

因此，为70毫秒。 这意味着每秒可进行1400 万次操作。

让我们看一下Stefano可能引用的表（ http://en.wikipedia.org/wiki/Instructions_per_second ）并进行粗略估计。 他们没有像我一样的i5，但是最慢的i7足够接近。 它具有4个内核的80 GIPS时钟，每个内核20 GIPS。

（顺便说一句，如果您的问题是“如何使每个内核获得20 GIPS？”，这 无济于事 。这是 maaaagic 纳米技术）

因此，该内核每秒能够进行200 亿次操作，而我们得到的1400 万次差异仅为1400倍。

此时，正确的问题不是“为什么这么快？”，不是“ 为什么这么慢？ ”。 可能是python开销。 如果我们在C中尝试该怎么办？

#include <stdio.h>
#include <unistd.h>
#include <time.h>

int i = 0;
int million = 1000000;
int main() {

    clock_t cstart = clock();
    while (i < million) {
     i += 1;
    }

    clock_t cend = clock();
    printf ("%.3f cpu sec\n", ((double)cend - (double)cstart) / CLOCKS_PER_SEC);
    return 0;
}

结果：

0.003 cpu sec

它比python快23倍，与每秒理论“基本操作”的数量仅相差60倍。 我在这里看到两个操作-比较和加法，所以相差30倍。 这是完全合理的，因为基本操作可能比我们的加法和比较小得多（让汇编专家告诉我们），而且我们也没有考虑上下文切换，缓存未命中，时间计算开销以及谁知道其他什么。

这也表明python执行相同操作的操作量是23倍。 这也是完全合理的，因为python是一种高级语言。 这是高级语言中的一种惩罚-现在您了解了为什么速度至关重要的部分通常用C编写。

另外，python的整数是不可变的，应该为每个新的整数分配内存（python运行时对此很聪明，不过）。

我希望能回答您的问题，并教给您一些有关如何执行令人难以置信的粗略估计=）

Answer 3

简短答案：正如jonrsharpe在评论中提到的，这是秒，而不是毫秒。

也正如Stefano所说，xxxxxx->检查他发布的答案。 除了ALU之外，它还有很多细节。

我只是想提一提-当您在类或函数中设置默认值时，请确保使用简单的不可变而不是进行函数调用或类似的操作。 您的课程实际上是在为所有实例设置计时器的开始时间-如果创建新的Timer，您会感到非常惊讶，因为它将使用以前的值作为初始值。 尝试此操作，第二个Timer不会重置Timer

#...
count = 0
Timer = StopWatch()
time.sleep(1)
Timer - StopWatch()
for i in range(1, 1000001):
    count += i
Timer.stop()
total_Time = Timer.getElapsedTime()
print("Total time elapsed to count to 1,000,000: ",total_Time," milliseconds")

您将得到大约1秒的时间，而不是您期望的时间。