就速度而言，Pharo与Python3相比如何？

Question

我在编程方面没有太多经验，但我知道一点Python 3，现在我正在学习Pharo。我仍然不熟悉面向对象编程或类浏览器，但我已经阅读了ProfStef教程，我正在操场上玩小程序，以熟悉语法

我首先好奇的是，当我在某处读到Pharo内置了JIT编译器时，这两种语言在速度方面的比较。所以我用两种语言编写了一个奇怪的脚本，生成800万个数字，过滤其中的1/3，计算每个数字的1/sqrt（x），对结果求和，并将这个过程重复100次，每次稍微改变间隔，最后再次对结果求和，并对整个过程进行计时。这不是一个合适的基准，只是一个获得数量级估计的练习，但我试图使两个版本尽可能相似

Python 3版本：

import time, math

mega = lambda n: sum([1/math.sqrt(1 + i + n) for i in range(8000000) if (i + 1) // 3 == 0])
start = time.time()
print(sum([mega(n + 1) for n in range(100)]))
stop = time.time() - start
print(stop)

Python 3.8.5的结果（默认值，2020年7月28日，12:59:40）：

34.7701230607214
52.75216603279114

Pharo 8版本：

| mega range start stop |.

range := [:n | (((1 to: 8000000) select: [:j | (j quo: 3) = 0]) collect: [:i | 1 / (n + i) sqrt]) sum].
start := DateAndTime  now.
Transcript show: (((1 to: 100) collect: [:n | range value: n]) sum); cr.
stop := (DateAndTime now - start) asSeconds.
Transcript show: stop; cr.

Pharo-8.0.0+build.1141.sha.1b7a8d8203fce2a57794451f555bba4222614081（64位）上的结果：

34.7701230607214
45

正如我所预料的，Pharo版本运行得更快，但差距不大，45秒比Python的52秒多一点。花费的时间减少了约13%。所以我猜它们的速度大约是相同的数量级。这是典型的情况吗

Answer 1

虽然还不是那么地道的闲聊

| range start stop |.

range := [ :n | (1 to: 8000000) inject: 0 into: [:sum :in | 
    ((in quo: 3) = 0 )
        ifTrue: [1 / ( n + in) sqrt + sum] 
        ifFalse: [sum]]].
start := DateAndTime  now.
Transcript show: (((1 to: 100) collect: [:n | range value: n]) sum); cr.
stop := (DateAndTime now - start) asSeconds.
Transcript show: stop; cr.

速度快了2.5倍。这突出了莱安德罗的观点

Answer 2

这种测试没什么意义。主要原因是，大部分计算包括重复地将相同的消息发送到相同类的实例（quo:和=，对于select:和/，+，collect:中的sqrt，等等）。这意味着像方法查找这样耗时的（内部）操作只发生一次，然后被困在内联缓存中。因此，在运行这些基准测试时，您可能会有一个比另一个更好的系统，而在运行“真正”的应用程序时，这个系统会慢得多。除了减少方法查找需求的（单或多态）内联缓存外，其他技术也有不同之处，包括垃圾收集器的性能、方法内联（用目标代码的副本替换发送站点）、寄存器分配（用于最小化内存访问）、消息的性能、，多种因素使得我们需要测量更复杂的代码片段，尝试使用我刚才提到的已知瓶颈。有时，一个小小的改变可能会暴露出系统中隐藏的优点（或缺点）。因此，我的建议是，在进行这种分析时，你应该更加努力，设计测试，旨在测量系统对特定压力的反应