内容简介：因为想了解大概的性能情况，所以有了这个比较，并不比较各个语言的优缺点。比较一下 Go，Node，Python 分别执行的时间比较。从
因为想了解大概的性能情况，所以有了这个比较，并不比较各个语言的优缺点。
比较一下 Go，Node，Python 分别执行的时间比较。
- 十亿次的循环运算（FOR）
- 遍历一百万个数字并将其写入一个文件（IO）
- 将含有十个元素的数组 排序 一千万次（SORT）
零、总结
从 性能 上讲，整体上 Go 性能是最高的。
从 代码简洁 上讲， Python 是最简洁的。
虽然结果这样，但我选择 Node 。
1. 运行代码
《Github源码地址》
git clone https://github.com/zhongxia245/performance-node-go-python cd performance-node-go-python sh for.sh sh io.sh sh sort.sh
2. 性能
大概跑了一下，性能最高的是Go。
分别执行了十亿次的循环运算（FOR），遍历一百万个数字并将其写入一个文件（IO），将含有十个元素的数组排序一千万次（SORT）。
GO, Node,Python, Pypy
去掉 Python 3 的时间
图由， https://antv.alipay.com/zh-cn/g2/3.x/demo/column/column12.html 这个生成。
一、运行环境
运行代码的环境配置如下：
| name | 配置 |
|---|---|
| MacBook Pro | (Retina, 13-inch, Early 2015) |
| Processor | 2.7 GHz Intel Core i5 |
| Memory | 8 GB 1867 MHz DDR3 |
| Graphics | Intel Iris Graphics 6100 1536 MB |
# 安装环境 brew install go brew install node brew install python brew install pypy
语言版本
Python 3.5.2
NodeJs v10.13.0
go version go1.10.2 darwin/amd64
Python 2.7.13 (0e7ea4fe15e82d5124e805e2e4a37cae1a402d4b, Mar 22 2018, 12:32:13)
[PyPy 5.10.0 with GCC 4.2.1 Compatible Apple LLVM 9.0.0 (clang-900.0.39.2)]
二、比较类型
time命令 含义: time — 执行命令并计时 命令行执行结束时在标准输出中打印执行该命令行的时间统计结果，其统计结果包含以下数据： 1. 实际时间(real time): 从command命令行开始执行到运行终止的消逝时间； 2. 用户CPU时间(user CPU time): 命令执行完成花费的用户CPU时间，即命令在用户态中执行时间总和； 3. 系统CPU时间(system CPU time): 命令执行完成花费的系统CPU时间，即命令在核心态中执行时间总和。
go run 会把编译时间算进去， 因此如果先 go build ， 在执行，还会提升一些速度。
因为就算go run 速度已经是非常非常快了，因此就没有先构建，在执行了。
1. 循环/算术
迭代十亿项并把它们相加：
// nodejs
var r = 0
for (var c = 0; c < 1000000000; c++) {
r += c
}
// go
package main
func main() {
var r int
for c := 0; c < 1000000000; c++ {
r += c
}
}
# python sum(range(1000000000))
Result
# sh for.sh # exec => time node for/node.js && time go run for/go.go && time pypy for/python.py && time python3 for/python.py # node ╰─➤ sh for.sh # node real 0m1.109s user 0m1.075s sys 0m0.028s # go real 0m0.489s user 0m0.418s sys 0m0.083s # pypy real 0m1.067s user 0m1.025s sys 0m0.036s # python3 real 0m25.518s user 0m25.299s sys 0m0.108s
go > node == pypy >> python3
pypy可以大大提升python的性能,因此多加一个pypy的运行时间
PyPy 是 python 的一个解释器。
# mac 系统安装python brew install pypy
2. I/O 操作
遍历一百万个数字并将其写入一个文件
// nodejs
var fs = require('fs')
var wstream = fs.createWriteStream('io/node')
for (var c = 0; c < 1000000; ++c) {
wstream.write(c.toString())
}
wstream.end()
// go
package main
import (
"bufio"
"os"
"strconv"
)
func main() {
file, _ := os.Create("io/go")
b := bufio.NewWriter(file)
for c := 0; c < 1000000; c++ {
num := strconv.Itoa(c)
b.WriteString(num)
}
file.Close()
}
# python
with open("io/python", "a") as text_file:
for i in range(1000000):
text_file.write(str(i))
Result
# node real 0m1.513s user 0m1.744s sys 0m0.324s # go real 0m0.561s user 0m0.240s sys 0m0.250s # pypy real 0m0.329s user 0m0.144s sys 0m0.079s # python3 real 0m0.633s user 0m0.563s sys 0m0.038s
有评论说：go加了buffer ，python和node都没加buffer，后面俩加了buffer，io那项至少再快一半
pypy > go > python3 >> node
3. 冒泡排序
将含有十个元素的数组排序一千万次。
// nodejs
function bubbleSort(input) {
var n = input.length
var swapped = true
while (swapped) {
swapped = false
for (var i = 0; i < n; i++) {
if (input[i - 1] > input[i]) {
;[input[i], input[i - 1]] = [input[i - 1], input[i]]
swapped = true
}
}
}
}
for (var c = 0; c < 1000000; c++) {
const toBeSorted = [1, 3, 2, 4, 8, 6, 7, 2, 3, 0]
bubbleSort(toBeSorted)
}
// go
package main
var toBeSorted [10]int = [10]int{1, 3, 2, 4, 8, 6, 7, 2, 3, 0}
func bubbleSort(input [10]int) {
n := len(input)
swapped := true
for swapped {
swapped = false
for i := 1; i < n; i++ {
if input[i-1] > input[i] {
input[i], input[i-1] = input[i-1], input[i]
swapped = true
}
}
}
}
func main() {
for c := 0; c < 1000000; c++ {
bubbleSort(toBeSorted)
}
}
# python
def bubbleSort(input):
length = len(input)
swapped = True
while swapped:
swapped = False
for i in range(1,length):
if input[i - 1] > input[i]:
input[i], input[i - 1] = input[i - 1], input[i]
swapped = True
for i in range(1000000):
toBeSorted = [1, 3, 2, 4, 8, 6, 7, 2, 3, 0]
bubbleSort(toBeSorted)
Result
# sh sort.sh # exec => time node sort/node.js && time go run sort/go.go && time pypy sort/python.py && time python3 sort/python.py # node real 0m2.857s user 0m2.816s sys 0m0.033s # go real 0m0.303s user 0m0.207s sys 0m0.111s # pypy real 0m0.592s user 0m0.554s sys 0m0.032s # python real 0m17.504s user 0m17.174s sys 0m0.094s
go > pypy > node >> python
以上就是本文的全部内容，希望本文的内容对大家的学习或者工作能带来一定的帮助，也希望大家多多支持 码农网
本站部分资源来源于网络，本站转载出于传递更多信息之目的，版权归原作者或者来源机构所有，如转载稿涉及版权问题，请联系我们。
数据结构与算法分析
(美)(C.A.谢弗)Clifford A.Shaffer / 电子工业出版社 / 1998-8 / 35.00元
本书综合“数据结构与算法”的知识梳理、习题解答及上机辅导等于一身；精心挑选了覆盖教学大纲的五百多道题目，并且提供所有题目的参考答案；对于较难的算法和上机题，给出了详细的分析和说明；对于学习的重点和难点、易犯的错误、题目的难易和重要性，以及国内教材的差异等都给出了必要的说明。 本书可给使用各种教材讲授和学习“数据结构与算法”（或者“数据结构”）的师生参考，是系统复习该课程和准备应考计算......一起来看看 《数据结构与算法分析》 这本书的介绍吧!
