随机数生成器的相互矛盾的性能结果

Question

来自我的 question on Code-Review，对随机数生成库的性能进行了一些分析，特别是 python 和 numpy 的 random 设施。人们会假设在不同的机器上会有一些性能差异，但总体结论是一样的，x 比 y 快。然而，事实并非如此。

在Oscar Smith's answer中，他进行了测试，得到了如下结果，运行 on Ubuntu, Python 2.7 and 3.6, NumPy 1.14.1:

timeit.timeit('rand(0,1000)', setup='from numpy.random import uniform as rand')
0.7485988769913092
timeit.timeit('rand(0,1000)', setup='from random import uniform as rand')
0.2676771300029941

我进行了同样的测试，得到了相反的结果，运行 on RHEL 7.4, Python 2.7.5, NumPy 1.7.1:

timeit.timeit("rand(0, 1000)", setup="from numpy.random import uniform as rand")
0.1250929832458496
timeit.timeit("rand(0, 1000)", setup="from random import uniform as rand")
0.47645998001098633

我希望这些值会不同，但比例相同，即他会得到 0.5, 0.1，而我会得到 0.25, 0.05。然而，我们得到了截然相反的结果。这里发生了什么？如果可能的话，官方认为哪个库更快？

一个有趣的旁注，运行在在线解释器 https://repl.it/languages/python3 中，原生 python 更快：

Python 3.6.1 (default, Dec 2015, 13:05:11)
[GCC 4.8.2] on linux


   import timeit
   import numpy
   numpy.__version__
=> '1.14.1'
   timeit.timeit('rand(0,1000)', setup='from numpy.random import uniform as rand')
=> 2.416280833000201
   timeit.timeit('rand(0,1000)', setup='from random import uniform as rand')
=> 1.0206557700003032

Answer 1

您使用的是非常旧的 NumPy 版本，NumPy 1.7.1。 numpy.random 从那时起变得更加复杂。

例如，比较 numpy.random.uniform 的 1.14.1 and 1.7.1 实现，1.14.1 实现涉及锁并做额外的工作来支持 array-likes low 和 high。 1.7.1 没有这样做。

numpy.random.randint（您在代码审查问题中使用的）也变得更加复杂。与 1.14.1 and 1.7.1 实施相比，1.14.1 实施包括锁、按 dtype 动态分派和大量使用 Python-level API，所有这些都增加了 per-call 开销。 1.7.1 的实现更加直接。

随机数生成器的相互矛盾的性能结果

Conflicting performance results of random number generators

python

performance

numpy

random

timeit