推荐学习书目
› Learn Python the Hard Way
Python Sites
› PyPI - Python Package Index
› http://diveintopython.org/toc/index.html
› Pocoo
值得关注的项目
› PyPy
› Celery
› Jinja2
› Read the Docs
› gevent
› pyenv
› virtualenv
› Stackless Python
› Beautiful Soup
› 结巴中文分词
› Green Unicorn
› Sentry
› Shovel
› Pyflakes
› pytest
Python 编程
› pep8 Checker
Styles
› PEP 8
› Google Python Style Guide
› Code Style from The Hitchhiker's Guide
这是一个创建于 3632 天前的主题，其中的信息可能已经有所发展或是发生改变。
公司现在在用python做自动化开发，原型已开发完毕，现在就是提速，之前开发的时候完全不考虑时间成本，达到目的优先，现在就是要把2分钟的程序压缩到5秒以内。想请问下大家有哪些可行的手段？我能想到的multiprocess，Cython和SWIG用C来写模块。
第 1 条附言 · 2015-01-13 14:23:57 +08:00
谢谢楼上各位的建议和意见。由于是自动化软件，经过profilling之后发现，memory不是问题，I/O是使用scipy.io读取的mat和读取pickle，mat有差不多5G，读取8秒左右，但是这个步骤只做一次，所以不是问题。现在主要是有一步需要使用levmar函数计算耗费大量的时间，这个函数现在使用的是第三方python库。
目前总结：1.levmar使用原生的c开发的库，然后编译成python可调用的模块。
2. 使用cuda加速图像处理。
3. multiprocessing
4. refactoring
5. 优化业务逻辑
目前总结：1.levmar使用原生的c开发的库，然后编译成python可调用的模块。
2. 使用cuda加速图像处理。
3. multiprocessing
4. refactoring
5. 优化业务逻辑
 |
1
loading 2015-01-12 14:01:02 +08:00 via Android
用go重构。
|
 |
2
geeklian 2015-01-12 14:13:03 +08:00 via iPhone
2分钟压缩到5秒...
虽然大家都知道python比C慢，但还没到这地步吧。 |
 |
3
cevincheung 2015-01-12 14:15:00 +08:00
为什么我想说“多机并行计算”呢……
|
 |
4
min 2015-01-12 14:16:42 +08:00
优化的第一步永远是先profiling
|
 |
5
yakczh 2015-01-12 14:16:46 +08:00
pypy
Python 2.7.3 (f66246c46ca30b26a5c73e4cc95dd6235c966b8f, Jul 30 2013, 09:27:06) [PyPy 2.0.2 with GCC 4.4.7 20120313 (Red Hat 4.4.7-3)] on linux2 |
 |
8
zerh925 OP thx. will do.
|
 |
10
shiny 2015-01-12 14:22:16 +08:00
先分析瓶颈
|
 |
11
messense 2015-01-12 14:34:48 +08:00
性能瓶颈如果是 CPU 计算密集型的试试 multiprocessing，network IO 密集型的多线程也能有一定程度的提升。
|
 |
13
tabris17 2015-01-12 14:39:45 +08:00
想要速度当初就不要选python吗，试试pypy，不行就拉倒吧
|
 |
15
skybr 2015-01-12 14:47:07 +08:00  1
Cython就可以了。
把几个数值类型的PyObject声明成C类型的, 套在with nogil里。 外面用线程池就好了。 |
|
16
skybr 2015-01-12 14:48:52 +08:00 1
涉及到动态链接库， 比如标准库的IO和一些C扩展， PyPy可能反而比CPython慢。
|
 |
17
dreampuf 2015-01-12 14:50:02 +08:00 1
两个思路都是对的，并行利用多核以及用更快的底层。
并行方面看看是IO还是CPU，IO的话用gevent试试，耗时不大，CPU的话有一些计算框架，但都需要时间去采坑，而且不一定都合适。用原始的multiprocess的话，主要问题是数据交互方面非常原始，得 踩很多坑。 更换底层可以试试Cython，在不调用其他类库的纯计算可以做到两个量级的优化。或者用PyPy，Pyston。 Python平台资源丰富，没有什么过不去的坎，动不动嚷嚷换一门语言，似乎是那门语言小白特有的情怀。 |
 |
18
clino 2015-01-12 14:50:58 +08:00 1
建议用 cython 试试
|
 |
21
zhicheng 2015-01-12 15:03:09 +08:00
打算靠换个语言或者改几个变量类型就把性能提升 20 多倍不太现实。楼主还是在工程上找解决办法，比如是不是有些流程是不必要的。
|
 |
22
sunus 2015-01-12 15:10:24 +08:00 1
做调优的第一步是找到时间花在哪里了？
|
 |
23
lupino 2015-01-12 15:27:06 +08:00
异步，并发
|
 |
24
henices 2015-01-12 15:43:15 +08:00
|
 |
25
20015jjw 2015-01-12 16:31:34 +08:00
Spark?
|
 |
26
ihciah 2015-01-12 16:38:45 +08:00
上GPU?
|
 |
27
thankyourtender 2015-01-12 17:26:04 +08:00
加机器
|
 |
28
wdlth 2015-01-12 18:41:00 +08:00
如果是密集计算，再怎么优化还是看你的电脑的运算速度，像破解密码一样，可以试试通过GPU进行加速，将算法改写支持多线程、并行计算等。
|
 |
29
typcn 2015-01-12 18:51:00 +08:00
改用C语言
|
 |
30
alsotang 2015-01-12 20:30:38 +08:00
说了半天也不详细描述一下场景
|
|
33
zerh925 OP 谢谢楼上各位的建议和意见。由于是自动化软件，经过profilling之后发现，memory不是问题，I/O是使用scipy.io读取的mat和读取pickle，mat有差不多5G，读取8秒左右，但是这个步骤只做一次，所以不是问题。现在主要是有一步需要使用levmar函数计算耗费大量的时间，这个函数现在使用的是第三方python库。
目前总结：1.levmar使用原生的c开发的库，然后编译成python可调用的模块。 2. 使用cuda加速图像处理。 3. multiprocessing 4. refactoring 5. 优化业务逻辑 |
 |
34
ruoyu0088 2015-01-15 16:13:14 +08:00 1
我相信你使用的levmar一定不是纯Python的，它一定是使用的某个C/C++/Fortran语言编写的库。你能说说你使用的是哪个库吗？
levmar算法需要回调函数，这个回调函数你用Python编写，所以唯一能提高速度的就是用编译语言编写这个回调函数。 首先你需要测试瓶颈是否是这个回调函数。如果是的话，你可以用Cython包装C语言的levmar库，然后接收一个编译之后的回调函数。下面是一个例子： http://nbviewer.ipython.org/github/ruoyu0088/openbooks/blob/master/cython_ctypes_cffi_numba_calls.ipynb 下面是用cython编写的levmar，你可以仿照上面的例子修改这个库，让它能接受编译之后的回调函数。 https://github.com/tkanmae/levmar |
Select Language