Tag: 性能

什么是Docker容器的运行时性能成本: 我想全面了解Docker容器的运行时性能成本。我发现参考networking轶事慢〜100μs 。我还发现引用运行时成本是“微不足道”和“接近于零”，但我想更确切地知道这些成本是什么。理想情况下，我想知道Docker是以抽象的性能成本抽象出来的，还是抽象出没有性能成本的东西。 networking，CPU，内存等而且，如果有抽象成本，是否有办法绕过抽象成本。例如，也许我可以直接在Docker上装载一个磁盘。

在循环之前或循环中声明variables之间的区别？: 我一直想知道，一般来说，在循环之前是否声明一个抛出variables，而不是在循环内部重复，会产生任何（性能）差异？ Java中的一个（相当无意义的）例子： a）循环之前的声明： double intermediateResult; for(int i=0; i < 1000; i++){ intermediateResult = i; System.out.println(intermediateResult); } b）循环内声明（重复）： for(int i=0; i < 1000; i++){ double intermediateResult = i; System.out.println(intermediateResult); } 哪一个更好， a或b ？我怀疑重复的variables声明（例子b ）在理论上造成了更多的开销，但是编译器足够聪明以至于无关紧要。示例b具有更紧凑的优点，并将variables的范围限制在使用位置。不过，我倾向于按照例子编码。编辑：我特别感兴趣的Java案例。

为什么有些浮点<整数比较比其他四倍慢？: 当将浮点数与整数相比较时，某些值对需要比其他类似的值更长的时间才能被评估。例如： >>> import timeit >>> timeit.timeit("562949953420000.7 < 562949953421000") # run 1 million times 0.5387085462592742 但是，如果浮点数或整数大于或等于一定值，则比较运行速度要快得多： >>> timeit.timeit("562949953420000.7 < 562949953422000") # integer increased by 1000 0.1481498428446173 >>> timeit.timeit("562949953423001.8 < 562949953421000") # float increased by 3001.1 0.1459577925548956 更改比较运算符（例如，使用==或> ）不会以明显的方式影响时间。这并不仅仅与数量有关，因为select更大或更小的值可能会导致更快的比较，所以我怀疑是不幸的，这些比特排列起来。显然，比较这些值对于大多数用例而言足够快。我只是好奇，为什么Python似乎与其他一些值的斗争更多的价值。

性能惊喜与“为”和可为空的types: 我只是修改了C＃深入处理可空types的第4章，我添加了一个关于使用“as”运算符的部分，它允许您编写： object o = …; int? x = o as int?; if (x.HasValue) { … // Use x.Value in here } 我认为这是非常简洁的，它可以提高C＃1的性能，使用“is”后跟一个cast – 毕竟，这样我们只需要dynamictypes检查一次，然后进行简单的值检查。但是，这似乎并非如此。我已经在下面包含了一个示例testing应用程序，它基本上总结了一个对象数组中的所有整数 – 但是数组包含了大量的空引用和string引用以及盒装整数。该基准测量了您在C＃1中使用的代码，使用“as”运算符的代码，以及用于踢LINQ解决scheme的代码。令我惊讶的是，在这种情况下，C＃1代码速度提高了20倍 – 即使是LINQ代码（由于涉及到迭代器，我预计它会更慢）比“as”代码更胜一筹。可执行文件isinst的.NET实现是否真的很慢？是额外的unbox.any导致问题吗？有没有另外的解释呢？目前感觉就像在性能敏感的情况下，我将不得不包含使用这个警告。结果：演员：10000000：121 如：10000000：2211 LINQ：10000000：2143 码： using System; using System.Diagnostics; using System.Linq; class Test { const int Size = 30000000; […]

转换设置为列表而不创build新的列表: 我正在使用此代码将一个Set转换为一个List ： Map<String, List> mainMap = new HashMap<String, List>(); for(int i=0; i<something.size(); i++){ Set set = getSet(…); //return different result each time List listOfNames = new ArrayList(set); mainMap.put(differentKeyName,listOfNames); } 我想避免在循环的每个迭代中创build一个新的列表。那可能吗？

为什么（a * b！= 0）在Java中比（a！= 0 && b！= 0）快？: 我正在用Java编写一些代码，在某些情况下，程序stream由两个intvariables“a”和“b”是否非零来确定（注意：a和b从不是负数，从不在整数溢出范围内）。我可以用它来评估它 if (a != 0 && b != 0) { /* Some code */ } 或者， if (a*b != 0) { /* Some code */ } 因为我希望那段代码每次运行数百万次，所以我想知道哪一个会更快。我通过在一个巨大的随机生成的数组上进行比较来做实验，我也很好奇数组的稀疏性（数据分数= 0）如何影响结果： long time; final int len = 50000000; int arbitrary = 0; int[][] nums = new int[2][len]; for (double fraction = 0 ; fraction <= 0.9 […]

Fortran比C更容易优化计算吗？: 我不时读到Fortran是或可以比C更快的计算。这是真的吗？我必须承认，我几乎不了解Fortran，但是到目前为止我看到的Fortran代码并没有表明这个语言具有C没有的特性。如果是这样，请告诉我为什么。请不要告诉我什么语言或库对数字处理有好处，我不打算写一个应用程序或库来做到这一点，我只是好奇。

确定整数是否在具有已知值集的两个整数（包含）之间的最快方法: 在C或C ++中是否有比x >= start && x <= end更快的方法来testing整数是否在两个整数之间？更新：我的具体平台是iOS。这是一个框模糊函数的一部分，它将像素限制在给定的正方形中的一个圆圈。更新：尝试接受的答案后，我得到了一个数量级的加速在一个代码行，正常的x >= start && x <= end方式。更新：这里是来自XCode的汇编程序之前和之后的代码：新方法 // diff = (end – start) + 1 #define POINT_IN_RANGE_AND_INCREMENT(p, range) ((p++ – range.start) < range.diff) Ltmp1313: ldr r0, [sp, #176] @ 4-byte Reload ldr r1, [sp, #164] @ 4-byte Reload ldr […]

程序员（或计算机科学家）应该知道什么统计数据？: 我是一名程序员，在math和计算机科学方面有着不错的背景。我研究了可计算性，图论，线性代数，抽象代数，algorithm，以及在本科水平上的一些概率和统计（通过几个CS类）。不过，我觉得我对统计数据不够了解。统计学在计算中越来越有用，统计自然语言处理有助于为search和机器翻译中的一些Googlealgorithm提供帮助，对硬件，软件和networking的性能分析需要适当的统计基础，这些都是可信的，而生物信息学每天更普遍。我已经阅读了关于“Google如何使用if语句使用贝叶斯过滤的方式” ，并且我知道Paul Graham的“垃圾邮件和更好的贝叶斯过滤计划”中的问题，甚至是相当天真的，简单的统计方法，但我知道，我想超越这个。我试图研究更多的统计数据，但是我已经有点失落了。维基百科的文章有一长串的相关话题，但我不确定我应该看看。我觉得从我所看到的情况来看，很多统计数字都假设一切都是线性组合的因素，加上一些高斯分布的随机噪声，我想知道除了线性回归还有什么我应该学习的东西，或者我应该花时间去真正理解，然后再转向其他技术。我发现了几本很长的书，我应该从哪里开始？所以我想知道从哪里去。学什么，在哪里学习。特别是，我想知道：编程，软件工程和计算机科学中的哪些问题是非常适合的统计方法？我将在哪里获得最大的回报？我应该花些时间学习什么样的统计方法？我应该使用什么资源来学习？书籍，报纸，网站。我希望能够讨论每本书（或其他资源）是什么，以及为什么它是相关的。为了澄清我在寻找什么，我感兴趣的是程序员通常需要处理哪些问题可以从统计方法中受益，以及哪种统计工具是有用的。例如：程序员经常需要处理大型的自然语言文本数据库，并帮助分类，分类，search和处理。什么统计技术在这里有用？更一般地说，人工智能已经从分散的，符号的方法转向统计技术。什么样的统计人工智能方法现在最能提供给工作程序员（而不是正在进行的研究，可能会也可能不会提供具体的结果）？程序员经常被要求生产高性能的系统，在负载下可以很好地扩展。但是除非你能测量，否则你不能谈论性能。你需要用什么样的实验devise和统计工具来自信地说出结果是有意义的？物理系统（如计算机graphics学）的模拟通常涉及随机方法。程序员经常遇到的其他问题是否会受益于统计方法？

为什么比list（）更快？: 我最近比较了[]和list()的处理速度，并惊讶地发现[]比list()运行速度快三倍以上。我用{}和dict()进行了相同的testing，结果几乎相同： []和{}都花费了大约0.128秒/百万个周期，而list()和dict()花费了大约0.428秒/百万个周期。为什么是这样？ list() ， dict() ， tuple() ， str() ）的时候， []和{} （也许是()和'' ）会立即传回一些空的库存文字的副本。完全去创造一个对象，不pipe他们是否真的有元素？我不知道这两种方法有什么不同，但我很想知道。我无法在文档或SO上find答案，而search空括号的结果却比我预期的更成问题。我通过调用timeit.timeit("[]")和timeit.timeit("list()") ， timeit.timeit("{}")和timeit.timeit("dict()")比较列表和字典，分别。我正在运行Python 2.7.9。我最近发现“ 为什么如果True比1更慢？ ”，它比较了if True和if 1的性能，似乎涉及类似的文字与全局情景; 也许这也值得考虑。