python - 为什么减法比 Python 中的加法快？

Question

我正在优化一些 Python 代码，并尝试了以下实验:

import time

start = time.clock()
x = 0
for i in range(10000000):
    x += 1
end = time.clock()

print '+=',end-start

start = time.clock()
x = 0
for i in range(10000000):
    x -= -1
end = time.clock()

print '-=',end-start

第二个循环确实更快，从 mustache 到 10% 不等，具体取决于我运行它的系统。我已经尝试改变循环的顺序、执行次数等，但它似乎仍然有效。

陌生人，

for i in range(10000000, 0, -1):

(即向后运行循环)比

快

for i in range(10000000):

即使循环内容相同。

提供了什么，这里有更通用的编程类(class)吗？

Answer 1

我可以在我的 Q6600 (Python 2.6.2) 上重现这个；将范围增加到 100000000:

('+=', 11.370000000000001)
('-=', 10.769999999999998)

首先，一些观察:

• 这是一个简单操作的 5%。这很重要。
• native 加法和减法操作码的速度无关紧要。它在本底噪声中，与字节码评估相比完全相形见绌。那是在谈论成千上万的一两个 native 指令。
• 字节码生成完全相同数量的指令；唯一的区别是 INPLACE_ADD 与 INPLACE_SUBTRACT 和 +1 与 -1。

查看 Python 源代码，我可以做出猜测。这是在 ceval.c 中的 PyEval_EvalFrameEx 中处理的。 INPLACE_ADD 有一个重要的额外代码块，用于处理字符串连接。 INPLACE_SUBTRACT 中不存在该 block ，因为您不能减去字符串。这意味着 INPLACE_ADD 包含更多 native 代码。取决于(严重!)编译器生成代码的方式，这些额外的代码可能与 INPLACE_ADD 代码的其余部分内联，这意味着加法比减法更难命中指令缓存。这可能会导致额外的二级缓存命中，这可能会导致显着的性能差异。

这在很大程度上取决于您所在的系统(不同的处理器具有不同数量的缓存和缓存架构)、使用的编译器，包括特定的版本和编译选项(不同的编译器会以不同的方式决定哪些代码位是在关键路径上，它决定了汇编代码如何集中在一起)，等等。

此外，Python 3.0.1 中的差异是相反的(+:15.66，-:16.71)；毫无疑问，这个关键功能已经发生了很大变化。