搬运一篇medium的看上去很x的文章:# This Is How You Make Your Python Functions 5000% Faster With Rust (Yes, You Read It Right!)
Rust 被大多数科技巨头广泛采用,甚至白宫现在也建议开发人员使用它来构建关键软件。Rust 对于来自 Python 等动态类型语言的开发人员来说可能具有挑战性。
寻找第 N 个素数:Python 实现
首先用 Python 编写一个函数来查找第 n 个素数(质数)
def is_prime(num):
# 检查一个数是否是素数
if num < 2:
return False
for i in range(2, num):
if num % i == 0:
return False
return True
def find_nth_prime(n):
# 找到第n个素数
count = 0
num = 1
while count < n:
num += 1
if is_prime(num):
count += 1
return num
让我们使用这个函数计算第 50 个素数
#prime_finder.py
from timeit import timeit
import sys
# 上面的素数查找函数定义放在这里
# ...
def main():
n = int(sys.argv[1]) #使用 CLI 接受数字
print(f"Using Python => The {n} prime number is: {find_nth_prime(n)}")
ITERATIONS = 100
python_time_per_iter = timeit(
lambda: find_nth_prime(n), number=ITERATIONS) / ITERATIONS
print(
f"Time taken using Python Prime finder: {python_time_per_iter* 1000:.2f} milliseconds per iteration.")
if __name__ == "__main__":
main()
当我在终端中执行命令 python prime_finder.py 50
时,获得的响应如下所示
我们的 Python 函数实现花了 0.64 毫秒
来找到第 50 个素数
寻找第 N 个素数:Rust 实现
让我们用 Rust 重写相同的函数
fn is_prime_rust(num: u32) -> bool {
if num < 2 {
return false;
}
for i in 2..num {
if num % i == 0 {
return false;
}
}
true
}
fn find_nth_prime_rust(n: u32) -> u32 {
let mut count: u32 = 0;
let mut num: u32 = 1;
while count < n {
num += 1;
if is_prime_rust(num) {
count += 1;
}
}
num
}
在 Python 中集成 Rust 代码
第 1 步:初始化我们的项目
$ mkdir rust_prime_funcs && cd rust_prime_funcs # 创建项目目录
$ python -m venv env # 创建Python虚拟环境
$ source ./env/Scripts/activate # 激活虚拟环境
Step 2: 安装Maturin
接下来,我们使用 Maturin,这是一个工具,可以帮助我们构建和发布带有 pyo3、 rust-cpython 和 CFFI 绑定的 crate,以及 Rust 二进制文件作为 Python 包
$ pip install maturin # 使用 pip 安装 maturi
$ maturin init # 初始化 maturin 并在出现提示时选择“pyo3”
Step 3: 使用 Rust 创建 Python 模块
// rust_prime_funcs/src/lib.rs
use pyo3::prelude::*;
// Rust 中的辅助函数
#[pyfunction]
fn is_prime_rust(num: u32) -> bool {
if num < 2 {
return false;
}
for i in 2..num {
if num % i == 0 {
return false;
}
}
true
}
// Rust 中的第 N 个素数查找函数
#[pyfunction]
fn find_nth_prime_rust(n: u32) -> u32 {
let mut count: u32 = 0;
let mut num: u32 = 1;
while count < n {
num += 1;
if is_prime_rust(num) {
count += 1;
}
}
num
}
/// 用 Rust 实现的 Python 模块
#[pymodule]
fn rust_prime_funcs(_py: Python, m: &PyModule) -> PyResult<()> {
m.add_function(wrap_pyfunction!(find_nth_prime_rust, m)?)?;
Ok(())
}
Step 4: 构建 Python 模块
使用以下命令通过终端构建 Python 模块
$ maturin develop --release
Step 5: 比较 Python 与 Rust 函数性能
# rust_prime_funcs/test/prime_finder.py
import sys
from timeit import timeit
from rust_prime_funcs import find_nth_prime_rust
def is_prime(num):
# 检查一个数是否是素数
if num < 2:
return False
for i in range(2, num):
if num % i == 0:
return False
return True
def find_nth_prime(n):
# 找到第n个质数
count = 0
num = 1
while count < n:
num += 1
if is_prime(num):
count += 1
return num
def main():
n = int(sys.argv[1])
print(f"\nUsing Python => The {n} prime number is: {find_nth_prime(n)}")
print(f"Using Rust => The {n} prime number is: {find_nth_prime_rust(n)}")
ITERATIONS = 100
python_time_per_iter = timeit(
lambda: find_nth_prime(n), number=ITERATIONS) / ITERATIONS
rust_time_per_iter = timeit(
lambda: find_nth_prime_rust(n), number=ITERATIONS) / ITERATIONS
print(
f"\nTime taken using Python Prime finder: {python_time_per_iter* 1000:.2f} milliseconds per iteration.")
print(
f"Time taken using Rust Prime finder: {rust_time_per_iter * 1000:.2f} milliseconds per iteration.")
if python_time_per_iter > rust_time_per_iter:
performance = (
(python_time_per_iter - rust_time_per_iter) / rust_time_per_iter) * 100
print(f"\nRust code is faster than Python by {performance:.2f}%\n")
else:
performance = (
(rust_time_per_iter - python_time_per_iter) / python_time_per_iter) * 100
print(f"\nPython code is faster than Rust by {performance:.2f}%\n")
if __name__ == "__main__":
main()
执行后比较性能
用于查找第 n 个素数的 Rust 函数比我们的 Python 实现快了 5264.74%,即几乎 53 倍。
上面这个例子是在 Python 代码中使用 Rust 的简单示例,但有一些重要的库要么提供 Python 到 Rust 代码的绑定,要么完全用 Rust 编写
比如:
- orjson: 一个快速、正确的 Python JSON 库
- pydantic: 一个流行的数据验证库
- Polars: 用于高效数据操作和分析的快速 DataFrame 库
- tokenizers: 由 Hugging Face 构建的快速高效的文本标记化和预处理
- cryptography: 用于实现密码操作的库
- PyOxidizer: 现代Python应用程序打包和分发工具
- retworkx: 专为量子计算和其他科学应用而开发的高性能图形库
原文链接:https://juejin.cn/post/7348995693580664851 作者:却尘