Les benchs c'est stupide...

... mais on aime ça! :)

Je me suis amusé avec le premier benchmark, dont voici le code original :

#!/usr/bin/python
n = 500000
x = 0.2
def t(x):
 mu = 10.0
 pu = 0.0
 pol = [0] * 100
 r = range(0,100)
 for i in range(0,n):
 for j in r:
 pol[j] = mu = (mu + 2.0) / 2.0
 su = 0.0
 for j in r:
 su = x * su + pol[j]
 pu = pu + su
 return pu
for i in range(0,10):
 print t(x)

J'ai fait de très mineures modifications histoire que ça soit plus pythonique :

#!/usr/bin/python
n = 500000
x = 0.2
def t(x):
 mu = 10.0
 pu = 0.0
 pol = [0] * 100
 r = range(0, 100)
 for i in xrange(0, n): #Ici xrange pour pas allouer une grosse liste pour rien
 for j in r:
 pol[j] = mu = (mu + 2.0) / 2.0
 su = 0.0
 
 for val in pol: #ici j'itère sur la liste histoire de ne pas passer inutilement par un indice
 su = x * su + val
 pu += su # += pour faire bô
 return pu
for i in range(0, 10):
 print t(x)

Je passe sur ma machine de 231.824s à 209.599s, soit presque 10% de gain. Gambas reste donc bien plus rapide, ce qui montre bien que le typage statique permet des optimisations intéressantes, même avec un simple interpréteur.

Puis j'ai rajouté ceci après le shebang:

try:
 import psyco
 psyco.full()
except ImportError:
 print 'No "psyco" module'

Et (après avoir installé Psyco !) le code s'exécute en 84.306s, soit presque 3 fois plus rapidement. Évidemment Psyco c'est que x86 et plus trop maintenu, mais ça donne une idée de ce qu'on va avoir avec PyPy qui est annoncé comme 5 fois plus rapide que CPython.

L'équipe de Gambas relèvera-t-elle le défi en implémentant du JIT (le suspens est à son comble) ?? :)

J'en profite au passage pour féliciter ladite équipe pour son travail.