Question

我正在编写一些性能密集型代码，并希望从cythonistas那里得到一些关于如何进一步改进它的反馈。我写的函数的目的有点难以解释，但他们所做的并不是那么令人生畏。第一个（粗略地）采用两个数字列表的字典并将它们连接起来以获得一个数字列表的字典。它只运行一次所以我不太关心优化它。第二个调用第一个，然后使用其结果基本上将存储在numpy数组中的索引与数组列表中的数字交叉，以在（pybloomfiltermmap）bloom过滤器上形成查询（新数字）。

我已经确定了沉重的步骤是由于我的嵌套循环并减少了使用的循环次数，从循环中移出了只需要发生一次的所有内容，并根据我的知识输入所有内容。尽管如此，第二个函数中i的每次迭代大约需要10秒，这太过分了。我仍然在html编译输出中看到黄色的主要内容是由于列表和numpy数组中的索引访问，所以我尝试用所有numpy数组替换我的列表但是无法获得任何改进。我非常感谢您提供的任何反馈。

#cython: boundscheck=False
#cython: wraparound=False

import numpy as np
cimport numpy as np

def merge_dicts_of_lists(dict c1, dict c2):
    cdef dict res
    cdef int n, length1, length2, length3
    cdef unsigned int i, j, j_line, jj, k, kk, new_line

    res =  {n: [] for n in range(256)}
    length1 = len(c1)

    for i in range(length1):
        length2 = len(c1[i])
        for j in range(length2):
            j_line = c1[i][j]
            jj = (j_line) % 256
            length3 = len(c2[jj]) 
            for k in range(length3):
                kk = c2[jj][k]
                new_line = (j_line << 10) + kk
    res[i].append(new_line)
    return res


def get_4kmer_set(np.ndarray c1, dict c2, dict c3, bf):
    cdef unsigned int num = 0
    cdef unsigned long long query = 0
    cdef unsigned int i, j, i_row, i_col, j_line
    cdef unsigned int length1, length2
    cdef dict merge 
    cdef list m_i 

    merge = merge_dicts_of_lists(c2, c3)
    length1 = len(c1[:,0])
    for i in range(length1):
        print "i is %d" % i
        i_row = c1[i,0]
        i_col = c1[i,1]
        m_i = merge[i_col]
        length2 = len(m_i)
        for j in range(length2):
            j_line = m_i[j]
            query = (i_row << 24) + (i_col << 20) + j_line
            if query in bf:
                num += 1
    print "%d yes answers from bf" % num

Answer 1

为了后人的缘故，我正在添加一个非主题的答案，但我希望它对某些人有用。我上面发布的代码与我决定保留的代码没什么不同，因为它已经编译为Ctyhon html编译输出所见的短C行。

由于最里面的操作是Bloom过滤器查询，我发现最有帮助的是以两种方式加速该步骤。一个是将pybloomfiltermmap使用的哈希函数更改为murmurhash3的可用C ++实现。我发现pybloomfilter正在使用sha，这对于加密哈希函数来说是比较慢的。第二个提升来自于应用本文中的技巧：http://www.eecs.harvard.edu/~kirsch/pubs/bbbf/rsa.pdf。基本上，它表示你可以通过使用两个哈希值的线性组合而不是BF的不同哈希值来节省大量计算。这两个技巧一起使查询时间提高了一个数量级（约5倍）。

通过从列表复制到numpy数组来加速cython循环

1 个答案: