記錄執行時間：計算機如何快速計算出算術？

Question

一開始我的問題似乎很基本，但請耐心等待。

我編寫了以下代碼，以測試python從1計數到1,000,000需要多長時間。

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")

我計算出令人驚訝的短時間跨度。 是0.20280098915100098毫秒。 我首先要問： 這是正確的嗎？

我希望執行時間至少為2或3毫秒，但我沒想到它可以在不到半毫秒的時間內完成計算！

如果這是正確的，那將引出我的第二個問題： 為什么這么快？

我知道CPU本質上是為算術而構建的，但我仍然不希望它能夠在十分之二毫秒的時間內達到百萬。

Answer 1

就像@jonrsharpe所說的那樣，也許您被時間計量單位欺騙了。

不過，第三代Intel i7能夠達到120 + GIPS（即每秒數十億次基本操作），因此，假設所有緩存命中且沒有上下文切換（簡單地說，沒有意外等待），它可以很容易地從0到1G計數。說時間甚至更多。 可能不是使用Python，因為它有一些開銷，但仍然可行。

解釋現代CPU如何實現如此“瘋狂”的速度是一個廣泛的話題，實際上是不止一種技術的協作：

1. 動態調度程序將重新排列基本指令，以盡可能減少沖突（因此，等待）
2. 精心設計的緩存將立即提供代碼和（盡管對於該基准測試而言，問題較少）。
3. 動態分支預測器將分析代碼並推測分支條件（例如“ for循環是否結束？”），以預測發生跳躍的可能性很高，並且“獲勝”。
4. 一個好的編譯器將通過重新布置指令來減少沖突或使循環更快（通過展開，合並等）來提供額外的精力。
5. 多精度算術可以利用MMX集合和類似集合提供的矢量運算。

簡而言之，這些小奇跡如此昂貴是有原因的:)

Answer 2

首先，正如已經指出的，time（）輸出實際上以秒為單位，而不是毫秒。

另外，您實際上是對總共1m ** 2/2執行1m次加法，不算到1m，並且您正在初始化一個帶有range一百萬個長的列表（除非您在python 3上）。

我在筆記本電腦上進行了一個更簡單的測試：

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

結果：

0.069179093451

因此，為70毫秒。 這意味着每秒可進行1400 萬次操作。

讓我們看一下Stefano可能引用的表（ http://en.wikipedia.org/wiki/Instructions_per_second ）並進行粗略估計。 他們沒有像我一樣的i5，但是最慢的i7足夠接近。 它具有4個內核的80 GIPS時鍾，每個內核20 GIPS。

（順便說一句，如果您的問題是“如何使每個內核獲得20 GIPS？”，這 無濟於事 。這是 maaaagic 納米技術）

因此，該內核每秒能夠進行200 億次操作，而我們得到的1400 萬次差異僅為1400倍。

此時，正確的問題不是“為什么這么快？”，不是“ 為什么這么慢？ ”。 可能是python開銷。 如果我們在C中嘗試該怎么辦？

#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;
}

結果：

0.003 cpu sec

它比python快23倍，與每秒理論“基本操作”的數量僅相差60倍。 我在這里看到兩個操作-比較和加法，所以相差30倍。 這是完全合理的，因為基本操作可能比我們的加法和比較小得多（讓匯編專家告訴我們），而且我們也沒有考慮上下文切換，緩存未命中，時間計算開銷以及誰知道其他什么。

這也表明python執行相同操作的操作量是23倍。 這也是完全合理的，因為python是一種高級語言。 這是高級語言中的一種懲罰-現在您了解了為什么速度至關重要的部分通常用C編寫。

另外，python的整數是不可變的，應該為每個新的整數分配內存（python運行時對此很聰明，不過）。

我希望能回答您的問題，並教給您一些有關如何執行令人難以置信的粗略估計=）

Answer 3

簡短答案：正如jonrsharpe在評論中提到的，這是秒，而不是毫秒。

也正如Stefano所說，xxxxxx->檢查他發布的答案。 除了ALU之外，它還有很多細節。

我只是想提一提-當您在類或函數中設置默認值時，請確保使用簡單的不可變而不是進行函數調用或類似的操作。 您的課程實際上是在為所有實例設置計時器的開始時間-如果創建新的Timer，您會感到非常驚訝，因為它將使用以前的值作為初始值。 嘗試此操作，第二個Timer不會重置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")

您將得到大約1秒的時間，而不是您期望的時間。