Question

我目前正在使用D＆＃39;编程在D＆＃39;学习D.我试图解决从1到10000000总结数字平方的问题。我首先做了一个功能性的方法来解决地图的问题并减少但是随着数字变大，我必须将数字转换为bigint得到正确的输出。

  long num = 10000001;
  BigInt result;
  result = iota(1,num).map!(a => to!BigInt(a * a)).reduce!((a,b) => (a + b));
  writeln("The sum is : ", result);

使用dmd -O编译时，上面需要7秒才能完成。我描述了该程序，大部分时间都浪费在BigInt调用上。虽然数字的平方可以适合很长，但我必须将它们强制转换为bigint，以便减少函数总和并返回适当的总和。 python程序只需3秒即可完成。当num = 100000000 D程序达到1分13秒时完成。有没有办法优化对bigint的调用。产品本身可能很长，但必须将它们作为bigint对象进行类型转换，以便它们能够通过减少操作来获得正确的结果。我尝试将数字的平方推入bigint数组，但速度也较慢。我试图将所有数字强制转换为Bigint

auto bigs_map_nums = iota(1,num).map!(a => to!BigInt(a)).array;
auto bigs_map = sum(bigs_map_nums.map!(a => (a * a)).array);

但它也慢了。我在How to optimize this short factorial function in scala? (Creating 50000 BigInts)阅读了答案。对于D中更大整数的乘法实现是否存在问题？有没有办法优化对BigInt的函数调用？

python代码：

timeit.timeit('print sum(map(lambda num : num * num, range(1,10000000)))',number=1)
333333283333335000000
3.58552622795105

代码是在具有2 GB RAM的双核64位Linux笔记本电脑上执行的。 python：2.7.4 dmd：DMD64 D编译器v2.066.1

Answer 1

没有范围冷静：foreach(x; 0 .. num) result += x * x;

范围酷（？）ness：

import std.functional: reverseArgs;
result = iota(1, num)
    .map!(a => a * a)
    .reverseArgs!(reduce!((a, b) => a + b))(BigInt(0) /* seed */);

关键是要避免BigInt每个元素。

范围版本比非范围版本慢一点。两者都比python版本快得多。

编辑：哦！哦!使用std.algorithm.sum：

可以使它变得更加愉快

result = iota(1, num)
    .map!(a => a * a)
    .sum(BigInt(0));

Answer 2

python代码不等同于D代码，实际上它的功能要少得多。

Python使用int，然后当结果大于int（）类型中存储的结果时，它将int提升为long（）。在内部，（至少CPython）使用长数来存储大于256的整数，这至少是32位。直到溢出正常的cpu指令可以用于乘法，这比bigint乘法快得多。

D的BigInt实现从一开始就将数字视为BigInt，并使用从1开始到结束的昂贵的乘法运算。还有很多工作要做。

有趣的是，当我们谈论BigInts时，乘法是多么复杂。

D实现

https://github.com/D-Programming-Language/phobos/blob/v2.066.1/std/internal/math/biguintcore.d#L1246

Python首先执行

static PyObject *
int_mul(PyObject *v, PyObject *w)
{
    long a, b;
    long longprod;                      /* a*b in native long arithmetic */
    double doubled_longprod;            /* (double)longprod */
    double doubleprod;                  /* (double)a * (double)b */

    CONVERT_TO_LONG(v, a);
    CONVERT_TO_LONG(w, b);
    /* casts in the next line avoid undefined behaviour on overflow */
    longprod = (long)((unsigned long)a * b);

    ... //check if we have overflowed


    {
        const double diff = doubled_longprod - doubleprod;
        const double absdiff = diff >= 0.0 ? diff : -diff;
        const double absprod = doubleprod >= 0.0 ? doubleprod :
                              -doubleprod;
        /* absdiff/absprod <= 1/32 iff
           32 * absdiff <= absprod -- 5 good bits is "close enough" */
        if (32.0 * absdiff <= absprod)
            return PyInt_FromLong(longprod);
        else
            return PyLong_Type.tp_as_number->nb_multiply(v, w);
    }
}

并且如果数字大于长期可以容纳的数量，则进行karatsuba乘法。实施于：

http://svn.python.org/projects/python/trunk/Objects/longobject.c（k_mul函数）

等效代码将等待使用BigInts，直到它们不是可以容纳相关数字的本机数据类型。

Answer 3

DMD的后端不会发出高度优化的代码。对于快速程序，请使用GDC或LDC进行编译。

在我的电脑上，我得到了这些时间：

Python:                    3.01
dmd   -O -inline -release: 3.92
ldmd2 -O -inline -release: 2.14

优化bigint调用

3 个答案: