我希望使用 Rust 来加速一些目前用 Python 编写的文本处理脚本。
为了测试这两种语言的性能,我决定在一个非常简单的任务上测试它们:
- 从
STDIN
中读取一个文件, 逐行。 - 如果该行以
>
开头, 将行保存到headers.txt
文件。 - 否则,将行保存到
sequences.txt
文件。
对于这个测试,我使用了一个 1000 万行的 fasta 文件,它看起来如下:
$ head uniparc_active-head.fasta
>UPI0000000001 status=active
MGAAASIQTTVNTLSERISSKLEQEANASAQTKCDIEIGNFYIRQNHGCNLTVKNMCSAD
ADAQLDAVLSAATETYSGLTPEQKAYVPAMFTAALNIQTSVNTVVRDFENYVKQTCNSSA
VVDNKLKIQNVIIDECYGAPGSPTNLEFINTGSSKGNCAIKALMQLTTKATTQIAPKQVA
GTGVQFYMIVIGVIILAALFMYYAKRMLFTSTNDKIKLILANKENVHWTTYMDTFFRTSP
MVIATTDMQN
>UPI0000000002 status=active
MMTPENDEEQTSVFSATVYGDKIQGKNKRKRVIGLCIRISMVISLLSMITMSAFLIVRLN
QCMSANEAAITDAAVAVAAASSTHRKVASSTTQYDHKESCNGLYYQGSCYILHSDYQLFS
DAKANCTAESSTLPNKSDVLITWLIDYVEDTWGSDGNPITKTTSDYQDSDVSQEVRKYFC
这是我的 Python 脚本:
import fileinput
with open('headers.txt', 'w') as hof, \
open('sequences.txt', 'w') as sof:
for line in fileinput.input():
if line[0] == '>':
hof.write(line)
else:
sof.write(line)
和我的 Rust 脚本(我在 cargo build --release
中编译):
use std::io;
use std::fs::File;
use std::io::Write;
use std::io::BufRead;
fn main() {
let stdin = io::stdin();
let mut headers = File::create("headers.txt").unwrap();
let mut sequences = File::create("sequences.txt").unwrap();
for line in stdin.lock().lines() {
let line = line.unwrap();
match &line[..1] {
">" => writeln!(headers, "{}", line).unwrap(),
_ => writeln!(sequences, "{}", line).unwrap(),
}
}
}
运行一些基准测试:
python 2.7
$ time bash -c 'cat uniparc_active-head.fasta | python2 src/main.py'
real 0m11.704s
user 0m6.996s
sys 0m1.100s
python 3.5
$ time bash -c 'cat uniparc_active-head.fasta | python3 src/main.py'
real 0m16.788s
user 0m12.508s
sys 0m1.576s
PyPy 5.3.1
$ time bash -c 'cat uniparc_active-head.fasta | pypy src/main.py'
real 0m6.526s
user 0m1.536s
sys 0m0.884s
使用rust 1.14.0
$ cargo build --release
$ time bash -c 'cat uniparc_active-head.fasta | target/release/parse_text'
real 0m17.493s
user 0m2.728s
sys 0m15.408s
因此 Rust 比 PyPy 慢约 3 倍,甚至比 Python 3 慢。
任何人都可以阐明这一点吗?我在 Rust 代码中犯了错误吗?如果不是,我应该坚持使用 Python/PyPy 来处理文本文件,还是有其他语言更适合这项工作?
最佳答案
按照@BurntSushi5 的建议,替换
let mut headers = File::create("headers.txt").unwrap();
let mut sequences = File::create("sequences.txt").unwrap();
与
let mut headers = io::BufWriter::new(File::create("headers.txt").unwrap());
let mut sequences = io::BufWriter::new(File::create("sequences.txt").unwrap());
使速度达到我的预期:
$ time bash -c 'cat uniparc_active-head.fasta | target/release/parse_text'
real 0m5.645s
user 0m1.396s
sys 0m0.804s
关于performance - Rust 在解析文件时比 Python 慢,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/41390244/