Wydajność Pythona warta kosztów?

Question

Czekam na wdrożenie fuzzy kontrolera logicznego opartego na bibliotekach PyFuzzy (Python) lub FFLL (C++).

Wolę pracować z pythonem, ale nie jestem pewien, czy wydajność będzie akceptowalna w środowisku wbudowanym, w którym będzie działać (zarówno procesor ARM, jak i wbudowany proces x86 przetwarzają zarówno 64 MB pamięci RAM).

Głównym problemem jest to, że czasy reakcji są tak szybkie jak to możliwe (częstotliwość aktualizacji wynosząca 5 Hz + byłaby idealna> wymagany jest 2 Hz). System odczytuje z wielu (prawdopodobnie 5) czujników z portu RS232 i zapewnia 2/3 wyników na podstawie wyników oceny rozmytej.

Czy powinienem się obawiać, że Python będzie zbyt wolny dla tego zadania?

Answer 1

Ogólnie nie powinieneś przejmować się wydajnością, dopóki nie zobaczysz, że jest to problem. Ponieważ nie znamy szczegółów Twojej aplikacji, nie możemy powiedzieć, jak by ona działała, gdyby była zaimplementowana w Pythonie. A ponieważ nie wdrożyłeś go jeszcze, nie możesz.

Wprowadź w życie wersję, która najbardziej Ci odpowiada, i możesz wdrożyć ją najszybciej. Następnie sprawdź to. I jeśli jest zbyt powolny, masz trzy opcje, które powinny być wykonywane w kolejności:

• pierwsze, optymalizacji kodu Pythona
• Jeśli to nie wystarczy, napisać większość funkcji wydajności krytycznych w C/C++, i wywołaj to z twojego kodu Python
• I wreszcie, jeśli naprawdę potrzebujesz najwyższej wydajności, być może będziesz musiał przepisać całą rzecz w C++. Ale przynajmniej będziesz miał działający prototyp w Pythonie, a będziesz miał o wiele jaśniejszy pomysł, w jaki sposób powinien on zostać wdrożony. Poznasz pułapki, których należy unikać, i będziesz mieć już poprawną implementację, aby przetestować i porównać wyniki.

Answer 2

Python bardzo wolno radzi sobie z dużymi ilościami danych nie będących ciągami znaków. W przypadku niektórych operacji możesz zauważyć, że jest 1000 razy wolniejszy niż C/C++, więc tak, powinieneś zbadać to i wykonać niezbędne testy porównawcze przed wykonaniem algorytmów krytycznych w czasie w Pythonie.

Jednak można rozszerzyć Pythona za pomocą modułów w kodzie C/C++, dzięki czemu czasochłonne rzeczy są szybkie, a jednocześnie nadal można używać Pythona dla głównego kodu.

Answer 3

Spraw, aby działało, a następnie spraw, aby działało szybko.

Answer 4

Jeśli większość środowiska wykonawczego jest używana w bibliotekach języka C, język używany do wywoływania tych bibliotek nie jest ważny. W jakim języku napisane są twoje czasowe biblioteki?

Answer 5

Z twojego opisu prędkość nie powinna stanowić problemu (i możesz używać C, cythonu, cokolwiek chcesz, aby przyspieszyć), ale pamięć będzie. W środowiskach z maksymalną szybkością 64 Mb (gdzie system operacyjny i wszystkie powinny również pasować, prawda?), Myślę, że istnieje duże prawdopodobieństwo, że python może nie być odpowiednim narzędziem do wdrożenia docelowego.

Jeśli masz nietrywialną logikę do obsłużenia, nadal będę prototypować w Pythonie.

Answer 6

Nigdy naprawdę nie mierzyłem wydajności przykładów pyfuzzy, ale jako nowa wersja 0.1.0 można odczytać pliki FCL, jak robi to FFLL. Wystarczy opisać swój system rozmytych w tym formacie, napisać kilka wrapperów i sprawdzić wydajność obu wariantów.

Do czytania FCL z pyfuzzy trzeba runtime antlr Pythona, ale po przeczytaniu powinieneś być w stanie marynowane obiekt czytać, więc nie trzeba napowietrznej antlr na tarczy.