2017年的golang、python、php、c++、c、java、Nodejs性能对比(golang python php c++ java Nodejs Performance)

简介: 2017年的golang、python、php、c++、c、java、Nodejs性能对比       续集更新   本人在PHP/C++/Go/Py时,突发奇想,想把最近主流的编程语言性能作个简单的比较, 至于怎么比,还是不得不用神奇的斐波那契算法。

2017年的golang、python、php、c++、c、java、Nodejs性能对比

      续集更新

  本人在PHP/C++/Go/Py时,突发奇想,想把最近主流的编程语言性能作个简单的比较, 至于怎么比,还是不得不用神奇的斐波那契算法。可能是比较常用或好玩吧。

  好了,talk is cheap, show me your code!  打开Mac,点开Clion开始Coding吧!

 

1.怎么第一是Go呢,因为我个人最近正在用,感觉很不错

package main
import "fmt"
func main(){
    fmt.Println(fibonacci(34))
}
func fibonacci(i int) int{
    if(i<2){
        return i;
    }
    return fibonacci(i-2) + fibonacci(i-1);
}

先用 Go1.7看看:

qiangjian@localhost:/works/learnCPP$ go version && time go build  fib.go  && time ./fib
go version go1.7.5 darwin/amd64

real    0m0.206s
user    0m0.165s
sys     0m0.059s
5702887

real    0m0.052s
user    0m0.045s
sys     0m0.004s

 

然后,再看看1.8的:

qiangjian@localhost:/works/learnCPP$ go18 version && time go18 build  fib.go  && time ./fib
go version go1.8 darwin/amd64

real    0m0.204s
user    0m0.153s
sys     0m0.062s
5702887

real    0m0.051s
user    0m0.045s
sys     0m0.003s

 

感觉看不出差异,但官方1.8在GC、Compile等方面优化提升了20%,可能是这demo太简单了吧。

 

2.Python,最近玩得也火热,所以拿来比比

def fibonacci(i):
    if i<2:
        return i
    return fibonacci(i-2) + fibonacci(i-1)

print(fibonacci(34))

先来看看python2.7

qiangjian@localhost:/works/learnCPP$ python2 -V && time python2 ./fib.py
Python 2.7.13
5702887

real 0m2.651s
user 0m2.594s
sys 0m0.027s

 

 接着是Py 3.5

qiangjian@localhost:/works/learnCPP$ python3 -V && time python3 ./fib.py 
Python 3.5.1
5702887

real    0m3.110s
user    0m2.982s
sys     0m0.026s

 

一眼就看出Py最大的问题了:越升级越慢, 而且要命的是很多语法不兼容,但平时写写算法、小程序还不错,其它的时候,就算了,还是用Go吧。

 

3.PHP嘛,我工作用的多,所以也必须比较下

<?php
function fibonacci($i){
    if($i<2) return $i;
    return fibonacci($i-2) + fibonacci($i-1);
}
echo  fibonacci(34);

由于我的工作主要用的php5.4,所以先来波:

qiangjian@localhost:/works/learnCPP$ php54 -v && time php54  fib.php 
PHP 5.4.43 (cli) (built: Dec 21 2016 12:01:59) 
Copyright (c) 1997-2014 The PHP Group
Zend Engine v2.4.0, Copyright (c) 1998-2014 Zend Technologies
5702887
real    0m2.288s
user    0m2.248s
sys     0m0.021s

 

测试环境是5.6,所以也来波:

qiangjian@localhost:/works/learnCPP$ php -v && time php  fib.php 
PHP 5.6.28 (cli) (built: Dec  6 2016 12:38:54) 
Copyright (c) 1997-2016 The PHP Group
Zend Engine v2.6.0, Copyright (c) 1998-2016 Zend Technologies
5702887
real    0m2.307s
user    0m2.278s
sys     0m0.017s

 

新项目、自己玩什么的都是php7, 请看:

qiangjian@localhost:/works/learnCPP$ php -v && time php  fib.php 
PHP 7.1.2 (cli) (built: Feb 17 2017 10:52:17) ( NTS )
Copyright (c) 1997-2017 The PHP Group
Zend Engine v3.1.0, Copyright (c) 1998-2017 Zend Technologies
5702887
real    0m0.815s
user    0m0.780s
sys     0m0.015s

感觉php7和5是天壤之别,完全不是一个东西,而且进步提升太大了,在此依赖鸟哥点个赞!建议大家多用php7.

 

4.C++是我最爱的理论基础,当然说的是C++11/14,不是老古董c99等

#include <iostream>

constexpr int fibonacci(const int i){
    if(i<2) return i;
    return fibonacci(i-2) + fibonacci(i-1);
}

int main() {
    fibonacci(34);
    return 0;
}

先用g++ 6.2 无优化看看:

qiangjian@localhost:/works/learnCPP$ time g++-6  -o a.bin main.cpp && time  ./a.bin 

real    0m0.378s
user    0m0.254s
sys     0m0.104s
5702887

real    0m0.050s
user    0m0.043s
sys     0m0.002s

加优化-O2后,

qiangjian@localhost:/works/learnCPP$ time g++-6 -O2 -o a.bin main.cpp && time  ./a.bin

real 0m0.327s
user 0m0.258s
sys 0m0.056s
5702887

 
 

real 0m0.005s
user 0m0.002s
sys 0m0.002s

 

 

效果还是很明显的, 运行时间只有前者一半。

5. C也写了个

#include <stdio.h>

int fibonacci(int i){
    if(i<2) return i;
    return fibonacci(i-2) + fibonacci(i-1);
}
int main(){
    printf("%d",fibonacci(34));
}

不加优化:

qiangjian@localhost:/works/learnCPP$ time gcc-6 -o c.bin fib.c && time ./c.bin 

real    0m0.341s
user    0m0.063s
sys     0m0.101s
5702887
real    0m0.049s
user    0m0.044s
sys     0m0.002s

 

加-O2优化:

qiangjian@localhost:/works/learnCPP$ time gcc-6 -O2 -o c.bin fib.c && time ./c.bin 

real    0m0.143s
user    0m0.065s
sys     0m0.034s
5702887
real    0m0.034s
user    0m0.028s
sys     0m0.002s

 

和C++14一样, 优化后提速明显,快了一倍。

 

6.Java,是我最不想写的,虽然它很火,感觉太臃肿了

 class Fib{
    public   static void  main(String[] args){
        System.out.println(fibonacci(34));

    }

    static int fibonacci( int i){
        if(i<2) return i;
        return fibonacci(i-2) + fibonacci(i-1);
    }
}

编译、运行的结果是:

qiangjian@localhost:/works/learnCPP$ java -version && time javac Fib.java &&  time java Fib 
java version "1.8.0_25"
Java(TM) SE Runtime Environment (build 1.8.0_25-b17)
Java HotSpot(TM) 64-Bit Server VM (build 25.25-b02, mixed mode)

real    0m0.952s
user    0m1.302s
sys     0m0.144s
5702887

real    0m0.150s
user    0m0.123s
sys     0m0.025s

 

性能还行, Compile时间和c++/go比就太low了。

 

7.最后出场的当然是一直大紫大红的javascript,不,准确说是Nodejs(这玩意和java真tmd没半毛钱关系)

function fibonacci(i){
    if(i<2) return i;
    return fibonacci(i-2) + fibonacci(i-1);
}
console.log(fibonacci(34))

结果:

qiangjian@localhost:/works/learnCPP$ node -v && time node  fib.js 
v6.10.0
5702887

real    0m0.332s
user    0m0.161s
sys     0m0.062s

 

结果还是令人震惊的,竟然只有TMD 0.3s,一共也不到0.5s,几乎接近java了, 但这代码量、维护性的优势还真得多感谢Google爹、Chromium爹的V8儿子以及开源社区。

如果Nodejs真的运行得稳定了, 不准真能一统“程序江湖”, 当然我只是说说,不要太认真。

 

来张图中吧:

 

总结:

  感觉每种language都不同用途,性能只是一个很单一的指标,我本人比较看重的是:可阅读性、可维护性、可移植性、健壮性、扩展性,然后是性能。 而且现代硬件越来越牛逼,动不动手机就8个G,cpu赶上5年前的PC的cpu了,ssd普及化...。 本人比较看好Golang/php/python,也关注现代的C++,如14、17, 至于rust、swift、java、scala就算了,这主要和个人的需要、公司技术栈相关。哈哈! 先写这么多吧!

  续集更新

谋胆并重
目录
相关文章
|
17天前
|
分布式计算 并行计算 安全
在Python Web开发中,Python的全局解释器锁(Global Interpreter Lock,简称GIL)是一个核心概念,它直接影响了Python程序在多线程环境下的执行效率和性能表现
【6月更文挑战第30天】Python的GIL是CPython中的全局锁,限制了多线程并行执行,尤其是在多核CPU上。GIL确保同一时间仅有一个线程执行Python字节码,导致CPU密集型任务时多线程无法充分利用多核,反而可能因上下文切换降低性能。然而,I/O密集型任务仍能受益于线程交替执行。为利用多核,开发者常选择多进程、异步IO或使用不受GIL限制的Python实现。在Web开发中,理解GIL对于优化并发性能至关重要。
40 0
|
2天前
|
大数据 数据处理 API
性能飞跃:Python协程与异步函数在数据处理中的高效应用
【7月更文挑战第15天】在大数据时代,Python的协程和异步函数解决了同步编程的性能瓶颈问题。同步编程在处理I/O密集型任务时效率低下,而Python的`asyncio`库支持的异步编程利用协程实现并发,通过`async def`和`await`避免了不必要的等待,提升了CPU利用率。例如,从多个API获取数据,异步方式使用`aiohttp`并发请求,显著提高了效率。掌握异步编程对于高效处理大规模数据至关重要。
15 4
|
5天前
|
搜索推荐 Python
快速排序:Python 中的速度之王,揭秘它的递归魔法与性能极限!
【7月更文挑战第12天】快速排序**是高效排序算法,基于分治策略。它选择基准值,将数组分成小于和大于基准的两部分,递归地对两部分排序。
|
2天前
|
并行计算 大数据 编译器
Python模块如何影响性能?
【7月更文挑战第15天】Python模块如何影响性能?
4 1
|
3天前
|
存储 大数据 数据处理
优化Python中的数据处理效率:使用生成器提升性能
在Python编程中,有效的数据处理是提升性能和效率的关键。本文将探讨如何利用生成器(generator)优化数据处理过程,通过实例展示生成器如何在内存效率和执行速度上带来显著提升。
|
7天前
|
存储 算法 调度
惊呆了!Python高级数据结构堆与优先队列,竟然能这样优化你的程序性能!
【7月更文挑战第10天】Python的heapq模块实现了堆和优先队列,提供heappush和heappop等函数,支持O(log n)时间复杂度的操作。优先队列常用于任务调度和图算法,优化性能。例如,Dijkstra算法利用最小堆加速路径查找。堆通过列表存储,内存效率高。示例展示了添加、弹出和自定义优先级元素。使用堆优化程序,提升效率。
19 2
|
9天前
|
大数据 API 数据处理
Python高手都在用的并发秘籍:解锁线程与进程的终极奥义,性能飙升不是梦!
【7月更文挑战第8天】Python并发编程提升性能,线程(threading)适合I/O密集型任务,如网络请求,通过`start()`和`join()`实现并发。进程(multiprocessing)利用多核CPU,适用于CPU密集型任务,如大数据处理。结合两者可优化混合任务,实现最佳并发效果。
11 1
|
12天前
|
数据采集 机器学习/深度学习 数据可视化
关于Python数据分析项目的简要概述:从CSV加载数据,执行数据预处理,进行数据探索,选择线性回归模型进行训练,评估模型性能并优化,最后结果解释与可视化。
【7月更文挑战第5天】这是一个关于Python数据分析项目的简要概述:从CSV加载数据,执行数据预处理(填充缺失值,处理异常值),进行数据探索(可视化和统计分析),选择线性回归模型进行训练,评估模型性能并优化,最后结果解释与可视化。此案例展示了数据科学的典型流程。
34 2
|
15天前
|
机器学习/深度学习 人工智能 Java
Python和Java在哪些方面有所不同?
【7月更文挑战第2天】Python和Java在哪些方面有所不同?
12 1
|
20天前
|
Java PHP 数据安全/隐私保护
php和Java配合 aes
php和Java配合 aes加密
14 1