Tag: 性能

在PHP中跟踪脚本执行时间: PHP必须跟踪特定脚本为了执行max_execution_time限制而使用的CPU时间量。有没有一种方法可以访问脚本的内部？我想包括一些logging与我的testing有关多lessCPU在实际的PHP烧（时间不会增加，当脚本是坐着等待数据库）。我正在使用Linux机器。

什么是通过pandas循环数据框的最有效的方法？: 我想以顺序的方式对数据框中的财务数据执行我自己的复杂操作。例如，我正在使用以下来自雅虎财经的 MSFT CSV文件： Date,Open,High,Low,Close,Volume,Adj Close 2011-10-19,27.37,27.47,27.01,27.13,42880000,27.13 2011-10-18,26.94,27.40,26.80,27.31,52487900,27.31 2011-10-17,27.11,27.42,26.85,26.98,39433400,26.98 2011-10-14,27.31,27.50,27.02,27.27,50947700,27.27 …. 然后我做了以下几点： #!/usr/bin/env python from pandas import * df = read_csv('table.csv') for i, row in enumerate(df.values): date = df.index[i] open, high, low, close, adjclose = row #now perform analysis on open/close based on date, etc.. 那是最有效的方法吗？考虑到pandas的速度的重点，我会假设必须有一个特殊的函数遍历值的方式，也可以检索索引（可能通过一个生成器是内存效率）？ df.iteritems不幸的是只能逐列迭代。

为什么要引入无用的MOV指令可以加速x86_64程序集中的紧密循环？: 背景：当用embedded汇编语言优化一些Pascal代码时，我注意到一个不必要的MOV指令，并将其删除。令我惊讶的是，删除不必要的指令导致我的程序放慢速度。我发现添加任意的，无用的MOV指令可以进一步提高性能。效果是不稳定的，并根据执行顺序进行更改：相同的垃圾指令由单行上下移动会产生减速。我了解CPU可以进行各种优化和精简，但是，这看起来更像黑魔法。数据：我的代码版本有条件地编译运行2**20==1048576次循环中间的三个垃圾操作。（周围的程序只是计算SHA-256散列）。我的老机器（Intel（R）Core（TM）2 CPU 6400 @ 2.13 GHz）上的结果如下： avg time (ms) with -dJUNKOPS: 1822.84 ms avg time (ms) without: 1836.44 ms 程序循环运行25次，每次运行顺序随机更改。摘抄： {$asmmode intel} procedure example_junkop_in_sha256; var s1, t2 : uint32; begin // Here are parts of the SHA-256 algorithm, in Pascal: […]

LINQ：没有任何与所有不: 通常我想检查提供的值是否与列表中的值匹配（例如，validation时）： if (!acceptedValues.Any(v => v == someValue)) { // exception logic } 最近，我注意到ReSharper要求我简化这些查询： if (acceptedValues.All(v => v != someValue)) { // exception logic } 显然，这在逻辑上是相同的，也许稍微有点可读性（如果你已经做了很多的math），我的问题是：这是否会导致性能下降？它感觉就像应该（即.Any()听起来像短路，而.All()听起来像不），但我没有什么证实这一点。有没有人对这些疑问是否能解决问题有更深入的了解，或者ReSharper是否把我引入歧途？

使用C ++ 11的“自动”可以提高性能吗？: 我可以看到为什么C ++ 11中的autotypes提高了正确性和可维护性。我读过，它也可以提高性能（几乎总是自动通过香草萨特），但我想念一个很好的解释。 auto如何提高性能？任何人都可以举个例子吗？

线程vs Linux中的进程: 我最近听到一些人说，在Linux中，使用进程而不是线程几乎总是比较好，因为Linux在处理进程方面非常高效，并且因为与线程相关联的问题太多（如locking）。但是，我很怀疑，因为在某些情况下线程似乎可以带来相当大的性能提升。所以我的问题是，当遇到线程和进程可以很好处理的情况时，我应该使用进程还是线程？例如，如果我正在编写Web服务器，是否应该使用进程或线程（或组合）？

为什么检查字典是否包含密钥更快，而不是在exception情况下捕获exception？: 想象一下代码： public class obj { // elided } public static Dictionary<string, obj> dict = new Dictionary<string, obj>(); 方法1 public static obj FromDict1(string name) { if (dict.ContainsKey(name)) { return dict[name]; } return null; } 方法2 public static obj FromDict2(string name) { try { return dict[name]; } catch (KeyNotFoundException) { return null; } } 我很好奇，这两个函数的性能是否有差别，因为第一个函数应该比第二个函数小 – 这是因为如果字典包含一个值，它需要检查两次，而第二个函数只需要访问字典一次，但是WOW，它实际上是相反的： […]

为什么处理sorting数组比sorting数组慢？: 我有一个500000个随机生成的Tuple<long,long,string>对象的列表，我正在执行一个简单的“between”search： var data = new List<Tuple<long,long,string>>(500000); … var cnt = data.Count(t => t.Item1 <= x && t.Item2 >= x); 当我生成我的随机数组并运行search100个随机生成的x值时，search将在大约四秒钟内完成。知道sortingsearch的好处，然而，我决定先sorting我的数据 – 首先是Item1 ，然后是Item2 ，最后是Item3 – 在运行我的100次search之前。由于分支预测，我预计分类后的版本会执行得更快一些：我的想法是，一旦我们到达了Item1 == x ，对t.Item1 <= x所有进一步检查都会正确地预测分支为“no采取“，加快了search的尾部。令我惊讶的是， search花了两倍的时间在一个有序的数组上！我尝试转换我运行实验的顺序，并为随机数生成器使用了不同的种子，但效果相同：在未sorting数组中的search运行速度几乎是同一数组中search的两倍，但sorting！有没有人有这个奇怪的效果很好的解释？我的testing源代码如下; 我正在使用.NET 4.0。 private const int TotalCount = 500000; private const int TotalQueries = 100; private […]

启用C ++ 11时，std :: vector的性能回归: 当我启用C ++ 11时，我在一个小的C ++代码片段中发现了一个有趣的性能回归： #include <vector> struct Item { int a; int b; }; int main() { const std::size_t num_items = 10000000; std::vector<Item> container; container.reserve(num_items); for (std::size_t i = 0; i < num_items; ++i) { container.push_back(Item()); } return 0; } 用g ++（GCC）4.8.2 20131219（prerelease）和C ++ 03我得到： milian:/tmp$ g++ -O3 main.cpp && perf stat -r 10 ./a.out […]

三元运算符是一个if-else块的两倍？: 我到处读到，三元运算符应该比其相当的if – else块更快，或者至less相同。但是，我做了以下testing，发现情况并非如此： Random r = new Random(); int[] array = new int[20000000]; for(int i = 0; i < array.Length; i++) { array[i] = r.Next(int.MinValue, int.MaxValue); } Array.Sort(array); long value = 0; DateTime begin = DateTime.UtcNow; foreach (int i in array) { if (i > 0) { value += 2; } else { value […]