(点击上方蓝字，快速关注我们)
译文：伯乐在线 - 艾凌风
英文：computers-are-fast.github.io
如有好文章投稿，请点击 → 这里了解详情
如需转载，发送「转载」二字查看说明
让我们看看你有多了解你的电脑！所有这些程序里都包含一个 NUMBER 变量。你的任务是：猜猜需要把 NUMBER 设置为一个多大的数，才能让相应的程序执行耗时一秒。
你不需要猜出准确数字：它们都介于1到十亿之间。猜出数量级即可！注意以下几点：
如果正确答案是 38,000，那么猜 10,000 和 100,000 都是正确的。
我们知道，计算机有着不同的硬盘性能、网速和CPU速度！我们试图让你能够区分运行 10次/秒 和 10万次/秒 的代码之间的差别。一台新的电脑并不能让你的代码运行速度快上1000倍 :)
也就是说，所有的代码运行在一台新款笔记本电脑上，它有着快速的SSD硬盘以及还不错的网速。C 代码全部使用 gcc -O2 来进行编译
祝你好运！很多问题的答案会出乎你的意料。我们会匿名收集你的答案，未来我们公布一些图表哦，敬请期待！ =D
欢迎来到第一个问题！这个问题是让你练练手：
在一秒中之内能执行多少次循环？（可能比你想象的要多得多哦！）
猜猜看：1 秒钟执行循环次数
#include
// 猜数字: 在1秒钟时间内
// 这个循环可以执行多少次
int main(int argc, char **argv) {
int NUMBER, i, s;
NUMBER = atoi(argv[1]);
for (s = i = 0; i NUMBER; ++i) {
s += 1;
}
return 0;
}
准确答案：550,000,000
猜猜看：1秒钟执行循环次数
#!/usr/bin/env python
# 猜数字： 一秒钟内可以执行
# 多少次空循环
def f(NUMBER):
for _ in xrange(NUMBER):
pass
import sys
f(int(sys.argv[1]))
准确答案：68,000,000
既然我们已经知道了 Python 的极限（1亿 指令/秒），让我们看一个更加实际的例子。字典在Python中的应用随处可见，所以，在一秒钟的时间里，我们能够向一个字典添加多少元素呢？
猜猜看：1秒钟执行循环次数
#!/usr/bin/env python
# 猜数字: 在一秒钟内，我们能向
# 字典添加多少个条目？
# 注意: 我们使用 `i % 1000`
# 来控制字典的大小
def f(NUMBER):
d = {}
for i in xrange(NUMBER):
d[i % 1000] = i
import sys
f(int(sys.argv[1]))
准确答案：11,000,000
当你搞定这题之后，让我们看一个更复杂的操作，用 Python 内建的 HTTP 请求解析器来解析一个请求
猜猜看：1秒钟可以解析的HTTP请求数
#!/usr/bin/env python
# 猜数字: 一秒钟可以解析多少HTTP请求
from BaseHTTPServer import BaseHTTPRequestHandler
from StringIO import StringIO
class HTTPRequest(BaseHTTPRequestHandler):
def __init__(self, request_text):
self.rfile = StringIO(request_text)
self.raw_requestline = self.rfile.readline()
self.error_code = self.error_message = None
self.parse_request()
def send_error(self, code, message):
self.error_code = code
self.error_message = message
request_text = """GET / HTTP/1.1
Host: localhost:8001
Connection: keep-alive
Accept: text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,*/*;q=0.8
Upgrade-Insecure-Requests: 1
User-Agent: Mozilla/5.0 (Macintosh; Intel Mac OS X 10_10_5) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/45.0.2454.85 Safari/537.36
Accept-Encoding: gzip, deflate, sdch
Accept-Language: en-GB,en-US;q=0.8,en;q=0.6
"""
def f(NUMBER):
for _ in range(NUMBER):
HTTPRequest(request_text)
import sys
f(int(sys.argv[1]))
接下来，我们将会看到，下载一个网页 vs 执行一个 Python 脚本！
提示：本题答案都小于1亿 ：）
猜猜看：1秒钟可以完成的HTTP请求数
#!/usr/bin/env python
# 猜数字: 一秒钟的时间，我们可以从
# google.com 下载多少页面？
from urllib2 import urlopen
def f(NUMBER):
for _ in xrange(NUMBER):
r = urlopen("http://google.com")
r.read()
import sys
f(int(sys.argv[1]))
准确答案：4
猜猜看：1秒钟执行循环次数
#!/bin/bash
# 猜数字: 在一秒内，我们可以启动多少次
# Python解释器？
NUMBER=$1
for i in $(seq $NUMBER); do
python -c '';
done
准确答案：77
启动程序本身就非常耗时，并不只有是Python是这样。如果我们只是运行/bin/true，那么1秒能做500次，所以看起来运行任何程序一般需要大约1毫秒时间。当然，下载网页的快慢很大程度上取决于网页大小、网络连接速度、以及服务器间的距离，今天我们并不会深入探讨网络性能（网络性能是一件非常有趣的事情）。一个从事高性能网络开发的朋友告诉我，一次网络往返可以做到250ns（！！！），但是要求计算机距离非常近，同时搭配豪华的硬件配置。对我们和Google来讲，耗时是它的一百万倍。在一个纳秒的时间，光只能传播一英尺，而谷歌的服务器远在250英尺以外的地方。
在一秒钟时间内，可以向硬盘写多少字节的数据？我们都知道向内存写数据更快些，但是快多少呢？下面的代码在一个装有SSD的硬盘上执行。
猜猜看：一秒钟写入多少字节
#!/usr/bin/env python
# 猜数字: 一秒的时间我们可以向一个文件写入
# 多少byt字节？
# 注意:我们确保所有数据在退出前都已经同步到硬盘
import tempfile
import os
CHUNK_SIZE = 1000000
s = "a" * CHUNK_SIZE
def cleanup(f, name):
f.flush()
os.fsync(f.fileno())
f.close()
try:
os.remove(name)
except:
pass
def f(NUMBER):
name = './out'
f = open(name, 'w')
bytes_written = 0
while bytes_written NUMBER:
f.write(s)
bytes_written += CHUNK_SIZE
cleanup(f, name)
import sys
f(int(sys.argv[1]))
准确答案：342,000,000
猜猜看：一秒钟写入多少字节
#!/usr/bin/env python
# 猜数字: 在一秒钟内，我们能够向一个
# 内存中的字符串写入多少字节
import cStringIO
CHUNK_SIZE = 1000000
s = "a" * CHUNK_SIZE
def f(NUMBER):
output = cStringIO.StringIO()
bytes_written = 0
while bytes_written NUMBER:
output.write(s)
bytes_written += CHUNK_SIZE
import sys
f(int(sys.argv[1]))
准确答案：2,000,000,000
硬盘比内存要慢，即使你使用“较慢”的语言，比如Python，这种差别也是有影响的。如果你使用一个非常快速的硬盘（我的SSD已知的写入速度>500MB/s，可以称得上快）很多事情最终都受限于硬盘的速度。我们来看下一个例子！
文件时间到！有时候我执行一条 grep 命令处理大量数据，然后它就一直执行下去了，grep 在一秒内可以搜索多少字节的数据呢？
注意，当程序执行时，grep读入的数据已经全部读入内存。这让我们能够知道grep慢的原因，多少是因为搜索，多少是因为读取到硬盘。
列出文件同样耗时！在一秒钟内可以列出多少文件呢？
猜猜看：1秒能够搜索多少字节？
#!/bin/bash
# 猜数字: `grep`命令1秒能够搜索多少字节
# 注意: 数据已经在内存中
NUMBER=$1
cat /dev/zero | head -c $NUMBER | grep blah
exit 0
准确答案：2,000,000,000
猜猜看：一秒能够列出多少文件？
#!/bin/bash
# Number to guess: `find`命令 一秒钟能够列出多少文件？
# 注意: 文件在文件系统缓存中。
find / -name '*' 2> /dev/null | head -n $1 > /dev/null
准确答案：325,000
很好！现在我知道grep可以以2GB/s的速度搜索，所以，至少在这个例子中，我们程序的速度主要受限于硬盘速度而不是grep的速度。
序列化通常是一个很耗时的工作，尤其是当你需要反复的序列化/反序列化一份数据的时候，真的非常痛苦。这里有一些基准测试：解析 64K 的JSON文件，同样的数据用 msgpack 格式编码。
猜猜看：一秒钟循环次数
#!/usr/bin/env python
# 猜数字: 在一秒钟内，我们能够解析一个
# 64K 的 JSON 文件多少次？
import json
with open('./setup/protobuf/message.json') as f:
message = f.read()
def f(NUMBER):
for _ in xrange(NUMBER):
json.loads(message)
import sys
f(int(sys.argv[1]))
准确答案：449
猜猜看：一秒钟循环次数
#!/usr/bin/env python
# 猜数字: 在一秒钟内，我们能够解析一个
# 46K 的msgpack 数据多少次？
import msgpack
with open('./setup/protobuf/message.msgpack') as f:
message = f.read()
def f(NUMBER):
for _ in xrange(NUMBER):
msgpack.unpackb(message)
import sys
f(int(sys.argv[1]))
准确答案：4000
基本上任何一个谈论序列化的人都会提到 capnproto 可以进行即时的序列化。我们只是想让你明白，反序列化一个64K的数据需要花上1微妙（据我们所知，这是非常长的时间了），而且你选择的格式和库也会带来非常大的影响。
数据库。我们并没有为你准备炫酷的PostgreSQL，取而代之的是我们弄了两份包含一千万行数据的SQLite数据表，一份设置了索引，另一份没有。
猜猜看：一秒钟执行的查询次数
#!/usr/bin/env python
# 猜猜看: 一秒钟的时间，我们可以从一
# 个包含一千万行数据，并设置了
# 索引的表中选取多少行
import sqlite3
conn = sqlite3.connect('./indexed_db.sqlite')
c = conn.cursor()
def f(NUMBER):
query = "select * from my_table where key = %d" % 5
for i in xrange(NUMBER):
c.execute(query)
c.fetchall()
import sys
f(int(sys.argv[1]))
准确答案：53000
猜猜看：一秒钟执行的查询次数
#!/usr/bin/env python
# 猜猜看: 一秒钟的时间，我们可以从一
# 个包含一千万行数据，且没有设置
# 索引的表中选取多少行
import sqlite3
conn = sqlite3.connect('./unindexed_db.sqlite')
c = conn.cursor()
def f(NUMBER):
query = "select * from my_table where key = %d" % 5
for i in xrange(NUMBER):
c.execute(query)
c.fetchall()
import sys
f(int(sys.argv[1]))
准确答案：2
并不出乎我们的意料：索引的效果很zan。20几微秒进行一次带索引查询意味着，如果这是基于一个距离很远的数据服务器的连接，那么查询的时间主要受限于到服务器的网络往返时间。
下面到哈希时间啦！在这里，我们将比较MD5（设计的初衷就是要速度快）和 bcrypt（设计的初衷就是要速度慢）。用MD5你在1秒时间内可以哈希到相当多的东西，而用 bcrypt 则不能。
猜猜看：一秒内可以哈希多少字节的数据
#!/usr/bin/env python
# 猜数字: 用MD5sum一秒内可以处理多少字节的数据
import hashlib
CHUNK_SIZE = 10000
s = 'a' * CHUNK_SIZE
def f(NUMBER):
bytes_hashed = 0
h = hashlib.md5()
while bytes_hashed NUMBER:
h.update(s)
bytes_hashed += CHUNK_SIZE
h.digest()
import sys
f(int(sys.argv[1]))
准确答案：455,000,000
猜猜看：一秒内可以哈希多少字节的密码
#!/usr/bin/env python
# 猜数字: 使用bcrypt一秒内可以哈希多少字节的密码
import bcrypt
password = 'a' * 100
def f(NUMBER):
for _ in xrange(NUMBER):
bcrypt.hashpw(password, bcrypt.gensalt())
import sys
f(int(sys.argv[1]))
准确答案：3
接下来，让我们探讨一下内存访问。现在的 CPU 有 L1 和 L2 缓存，这比主内存访问速度更快。这意味着，循序访问内存（CPU可以把一大块数据加载进缓存）通常比不按顺序访问内存能提供更快的代码。
让我们看看，事实是多么令我们吃惊吧！你可能需要参考《Latency Numbers Every Programmer Should Know》来猜这一题。
猜猜看：一秒钟写的字节数
#include
#include
// 猜数字:一秒内我们可以分配
// 并填充一块多大的数组？
// 我们故意让它这么复杂，其实没有必要，这样才能和无序访问进行对比 ：）
int main(int argc, char **argv) {
int NUMBER, i;
NUMBER = atoi(argv[1]);
char* array = malloc(NUMBER);
int j = 1;
for (i = 0; i NUMBER; ++i) {
j = j * 2;
if (j > NUMBER) {
j = j - NUMBER;
}
array[i] = j;
}
printf("%d", array[NUMBER / 7]);
// so that -O2 doesn't optimize out the loop
return 0;
}
准确答案：376,000,000
猜猜看：一秒钟写的字节数
#include
#include
// 猜数字:一秒内我们可以分配
// 并填充一块多大的数组？
// 使用无序访问而不是有序访问
int main(int argc, char **argv) {
int NUMBER, i;
NUMBER = atoi(argv[1]);
char* array = malloc(NUMBER);
int j = 1;
for (i = 0; i NUMBER; ++i) {
j = j * 2;
if (j > NUMBER) {
j = j - NUMBER;
}
array[j] = j;
}
printf("%d", array[NUMBER / 7]);
// so that -O2 doesn't optimize out the loop
return 0;
}
准确答案：68,000,000
我们通常不会写太多的C代码，所以并不会总是受其影响。但是如果你很在意你的命令耗时多少微秒的时候（当你尝试每秒处理十亿数据的时候，你就会在意），你就会很在意此类事情了。
觉得本文对你有帮助？请分享给更多人
关注「程序员的那些事」，看技术干货
↓↓↓
译者简介 （ 点击 → 加入专栏作者 ）
艾凌风：初入职场小码农;翻译组的勤务员;C/Python/在线教育/英文翻译
打赏支持译者翻译出更多好文章，谢谢
