python、C++、rust速度比较

TIobe指数依据向主要搜索引擎提交编程语言名称时返回的网页数量来衡量编程语言的流行程度。该指数每月更新一次,并提供了自2002年以来的历史数据。

其官网是https://www.tiobe.com/tiobe-index/

有意思的事情来了,看下图。

这是编程语言排名的tiobe网站首页的截图。

原话是:

复制代码
This month, Python has a ranking of more than 18% for the first time in its history. The last time a language hit more than 18% was Java in November 2016. Java is also the language with the highest ranking ever: 26.49% in June 2001. Runner up C++ is now exactly 8% behind Python, and that difference between position #1 and position #2 is also almost a record. The highest difference ever between position #1 and position #2 was in November 2016 when Java was 9.55% ahead of C. In summary, Python's hegemony is now undeniable. It is likely that it is Python's next step to become the most popular programming language ever. Is there any new language expected to come close to Python soon? Possible contenders Rust and Kotlin are approaching the TIOBE index top 10 fast, but it will take a lot of time before they become a real threat to Python.

我简单机翻一下,快速看看这讲了个啥:

复制代码
2024年8月,Python的排名历史上首次超过了18%。上次有语言超过18%还是在2016年11月的Java。Java也是史上排名最高的语言:在2001年6月达到了26.49%。位列第二的C++目前落后Python正好8%,而这一第一名与第二名之间的差距也几乎是历史纪录。历史上第一名与第二名的最大差距是在2016年11月,当时Java领先C语言9.55%。总而言之,Python的主导地位现在无可否认。
复制代码
Python下一步很可能成为有史以来最受欢迎的编程语言。近期是否有新的语言可能接近Python的地位?潜在的竞争者Rust和Kotlin正在快速接近TIOBE指数前十,但要成为对Python的真实威胁还需要很长时间。
复制代码

复制代码

Python之所以流行,主要有以下五点原因:

  1. 易学性:Python语法简单清晰,适合编程初学者快速入门。

  2. 强大的生态系统:拥有丰富的库和框架,覆盖多个应用领域。

  3. 跨平台性:可在多种操作系统上运行,提高了灵活性。

  4. 广泛应用:适用于Web开发、数据分析、AI等多个领域。

  5. 活跃社区:有大量教程和支持资源,便于解决问题。

但是python的缺点也非常突出,即运行速度相对较慢,尤其是涉及到CPU密集型任务时!

因此,在本文中,我尝试用python、cpp、rust编写相同的代码并运行它,以便一次性看到这三种语言的速度。

python

python 复制代码
import time
a = time.time()
counter = 0
while (counter < 1000000000):
 counter+=1

print(counter)

b = time.time()
print("use time:%d"%(b-a))

这是一个简单的"while 循环",现在让我们看看达到 10 亿并将其打印出来所需的时间。

这是终端的实际屏幕截图,显示了打印1000,000,000 所需的全部时间。

对于Python来说,花费了83秒,将10亿并打印到终端。

cpp

cpp 复制代码
#include <iostream>
#include <chrono>

int main() {
   size_t counter = 0;
   auto start = std::chrono::high_resolution_clock::now();
   while (counter < 1000000000) {
       counter++;
  }
   auto end = std::chrono::high_resolution_clock::now();
   auto duration = std::chrono::duration_cast<std::chrono::milliseconds>(end - start);
   std::cout << "Counter: " << counter << ", Time taken: " << duration.count() << " milliseconds" << std::endl;
   return 0;
}

将以上cpp代码用g++编译为exe,并运行,结果如下:

对于cpp来说,花费了1461毫秒,将10亿并打印到终端。

rust

rust 复制代码
use std::time::Instant;

fn main() {
   let mut counter = 0;
   let start = Instant::now();
   
   while counter < 1_000_000_000 {
       counter += 1;
  }
   
   let end = Instant::now();
   let duration = end.duration_since(start);
   let duration_ns = duration.as_nanos();
   
   println!("Counter: {}, Time taken: {} nanoseconds", counter, duration_ns);
}

将以上rust代码用cargo编译为exe,并运行,结果如下:

对于rust来说,花费了100纳秒,将10亿并打印到终端。


其实这个结果也出乎我的意料,本来以为速度快慢关系是 C++ > RUST >> python。没想到实际上是 RUST >C++ >> python

这点我想不明白。难度是rust编译器优化得好?有知道的小伙伴请在留言区指导y

有一点结论是很肯定的,python作为一门胶水语言相较于其他语言来说,处理速度是非常慢。

相关推荐
颇有几分姿色2 分钟前
Java 图像处理传 JNI 到 C++(OpenCV):两种高效实现方式对比
java·c++·图像处理
盒马盒马4 分钟前
Rust:变量、常量与数据类型
开发语言·rust
傻啦嘿哟11 分钟前
Rust爬虫实战:用reqwest+select打造高效网页抓取工具
开发语言·爬虫·rust
jokr_26 分钟前
C++ 字符串与内存操作函数深度解析
java·开发语言·c++
大模型真好玩1 小时前
深入浅出LangChain AI Agent智能体开发教程(十)—LangChain搭建数据分析智能助手
人工智能·python·mcp
七夜zippoe2 小时前
Python性能优化实战(三):给内存“减负“的实用指南
python·内存·优化
yi.Ist3 小时前
图论——Floyd算法
c++·算法·图论·floyd
WSSWWWSSW7 小时前
Seaborn数据可视化实战:Seaborn数据可视化基础-从内置数据集到外部数据集的应用
python·信息可视化·数据分析·matplotlib·seaborn
Small___ming7 小时前
Matplotlib 可视化大师系列(七):专属篇 - 绘制误差线、等高线与更多特殊图表
python·信息可视化·matplotlib
让我们一起加油好吗9 小时前
【基础算法】初识搜索:递归型枚举与回溯剪枝
c++·算法·剪枝·回溯·洛谷·搜索