[一个简单例子说明为什么C语言在2013年仍很重要.docxVIP

一个简单例子说明为什么C语言在2013年仍很重要导读：本文作者在开发Dynym项目，这是一个动态语言的通用运行时。在开发时，作者以其他语言的运行速度作为基础比较语言的运行速度，因此发现了一些小秘密。迭代计算斐波那契数列是测试各种语言执行速度的常见方法。作者以不同的语言进行测试，最终发现C语言要比Python编写的计算斐波那契数列快278.5倍。在底层开发，以及专注性能的应用程序中，选择是显而易见的。而为什么会有如此大的运行性能差距呢。作者进一步研究了程序的反汇编代码，发现差别出在内存的访问次数，以及预测的CPU指令的正确性方面。（感谢?乾龙_ICT?的热心翻译。如果其他朋友也有不错的原创或译文，可以尝试提交到伯乐在线。）以下是译文。原作者注：在本文最开始，我并没说明进行模2^64的计算——我当然明白那些不是“正确的”斐波那契数列，其实我不是想分析大数，我只是想探寻编译器产生的代码和计算机体系结构而已。最近，我一直在开发Dynvm——一个通用的动态语言运行时。就像其他任何好的语言运行时项目一样，开发是由基准测试程序驱动的。因此，我一直在用基准测试程序测试各种由不同语言编写的算法，以此对其典型的运行速度有一个感觉上的认识。一个经典的测试就是迭代计算斐波那契数列。为简单起见，我以2^64为模，用两种语言编写实现了该算法。用Python语言实现如下：12345678910def fib(n):????SZ = 2**64????i = 0????a, b = 1, 0????while i n:????????t = b????????b = (b+a) % SZ????????a = t????????i = i + 1????return b用C语言实现如下：1234567891011121314151617181920#include stdio.h#include stdlib.htypedef unsigned long ulong;?int main(intargc, char *argv[]){????ulong n = atoi(argv[1]);????ulong a = 1;????ulong b = 0;????ulong t;?????for(ulongi = 0; i n; i++) {????????t = b;????????b = a+b;????????a = t;????}?????printf(%lu\n, b);????return 0;}用其他语言实现的代码示例，我已放在github上。Dynvm包含一个基准测试程序框架，该框架可以允许在不同语言之间对比运行速度。在一台Intel i7-3840QM（调频到1.2 GHz)机器上，当 n=1,000,000 时，对比结果如下：1234567=======================================================??语言?????????????????????????????? 时间 (秒)=======================================================??Java?????????????????????????????? 0.133??C Language???????????????????????? 0.006??CPython??????????????????????????? 0.534??Javascript V8????????????????????? 0.284很明显，C语言是这里的老大，但是java的结果有点误导性，因为大部分的时间是由JIT编译器启动（~120ms）占用的。当n=100,000,000时，结果变得更明朗：1234567=======================================================??语言????????????????????????????? 时间（秒）=======================================================??Java?????????????????????????????? 0.300??C Language???????????????????????? 0.172??CPython??????????????????????????? 47.909??Javascript V8????????????????????? 24.179在这里，我们探究下为什么C语言在2013年仍然很重要，以及为什么编程世界不会完全“跳槽”到Python或者V8/Node。有时你需要原始性能，但是动态语言仍在这方面艰难挣扎着，