我在解决 Code Jam 问题的同时让 Julia 试一试,在这种情况下,Rope Intranet 来自 2010 年第 1C 轮(https://code.google.com/codejam/contest/619102/dashboard)
解决方案基本上是:
for tc = 1:int(readline())
n = int(readline())
a = [map(int, split(readline())) for _ = 1:n]
ans = 0
for (i, x) in enumerate(a)
for y in a[i + 1:end]
ans += (x[1] - y[1]) * (x[2] - y[2]) < 0
end
end
println("Case #", tc, ": ", ans)
end
然而,与 c++ 和 python 中的解决方案相比,大输入的时间结果并不是很令人印象深刻:
julia
real 0m6.196s
user 0m6.028s
sys 0m0.373s
c++
real 0m0.392s
user 0m0.338s
sys 0m0.053s
pypy
real 0m0.529s
user 0m0.507s
sys 0m0.016s
情况发生了变化,当我用随机数替换文件输入时(虽然仍然比 C++ 慢):
julia
real 0m3.065s
user 0m2.868s
sys 0m0.338s
c++
real 0m1.413s
user 0m1.348s
sys 0m0.055s
pypy
real 0m22.491s
user 0m22.257s
sys 0m0.160s
有什么方法可以优化 Julia 中的文件读取时间(我使用的是 v0.3.7)?
最佳答案
所以我在大输入( time cat A-large-practice.in | julia original.jl
)上的基线时间是
real 0m2.730s
user 0m2.683s
sys 0m0.351s
在我的系统上,Julia 开始运行文件大约需要 0.2 秒。将代码放入函数中可能是最重要的第一步 - 这意味着一切都不是全局的,这可能会由于类型推断的困难而损害性能。这让我回到了
real 2.044s
.第二个问题实际上是 Julia 类型推断的缺陷,原因不同。基本上,列表推导式 + map = 某种类型的不稳定性。由于必须检查类型,这会传播以使算法稍后变慢。修复方法很简单
a = Vector{Int}[map(int, split(readline())) for _ = 1:n]
,然后给了我 real 0m0.474s
.因此大部分时间都花在了 Julia 启动上,而
map
行,并实际打印 Case #
.如果我真的扩大那个 map
排到 for 循环我可以把它磨成 real 0m0.411s
但这似乎不值得。
关于performance - Julia 文件输入读取速度,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/30141968/