Python 与 C/C++混合编程的应用(2)

c源码中去掉适配python的包装，仅定义system函数本身，这比第二种方式简洁很多，并且剔除了c代码与python的耦合代码，是c代码通用性更好。
然后编写swig接口声明文件spam.i：

%module spam %{ #include "spam.h" %} %include "spam.h" %include "typemaps.i" int system(const char* INPUT);

这是一段语言无关的模块声明，要创建一个叫spam的模块，对system做一个声明，主要是声明参数作为入参使用。然后执行swig编译程序：

>swig -c++ -python spam.i

swig会生成spam_wrap.cxx和spam.py两个文件。先看spam_wrap.cxx，这个生成的文件很长，但关键的就是对函数的包装：

包装函数传入的还是PyObejct对象，内部进行了类型转换，最终调了源码中的system函数。
生成的了另一个spam.py实际上是对so库又用python包装了一层（实际比较多余）：

这里使用_spam模块，这里实际上是把扩展命名为了_spam。关于swig在python上的应用可以参见：
下面就是编译和安装python 模块，Python提供了distutils module，可以很方便的编译安装python的module。像下面这样写一个安装脚本setup.py:

执行 python setup.py build，即可以完成编译，程序会创建一个build目录，下面有编译好的so库。so库放在当前目录下，其实Python就可以通过import来加载模块了。当然也可以用 python setup.py install 把模块安装到语言的扩展库——site-packages目录中。关于build python扩展，可以参考https://docs.python.org/2/extending/building.html#building

混合编程性能分析

混合编程的使用场景中，很重要一个就是性能攸关。那么这小节将通过几个小实验验证下混合编程的性能如何，或者说怎样写程序能发挥好混合编程的性能优势。

我们使用冒泡排序算法来验证性能。

1）实验一 使用冒泡程序验证python和c/c++程序的性能差距

python版冒泡程序：

def bubble(arr,length): j = length - 1 while j >= 0: i = 0 while i < j: if arr[i] > arr[i+1]: tmp = arr[i+1] arr[i+1] = arr[i] arr[i] = tmp i += 1 j -= 1

c语言版冒泡排序

void bubble(int* arr,int length){ int j = length - 1; int i; int tmp; while(j >= 0){ i = 0; while(i < j){ if(arr[i] > arr[i+1]){ tmp = arr[i+1]; arr[i+1] = arr[i]; arr[i] = tmp; } i += 1; } j -= 1; } } 使用一个长度为100内容固定的数组，反复排序10000次（每次排序后，再把数组恢复成原始序列），记录执行时间： 在相同的机器上多次执行，Python版执行时间是10.3s左右，而c语言版本(未使用任何优化编译参数)执行时间只有0.29s左右。相比之下python的性能的确差很多（主要是python中list的操作跟c的数组相比，效率差非常多），但python中很多扩展都是c语言写的，目的就是为了提升效率，python用于数据分析的numpy库就拥有不错的性能。下个实验就验证，如果python使用c语言版本的冒泡排序扩展库，性能会提升多少。

2）实验二 python语言使用ctypes方式调用
这里直接使用c_int来定义了数组对象，这也节省了调用时数据类型转换的开销：

import time from ctypes import * IntArray100 = c_int * 100 arr = IntArray100(87,23,41, 3, 2, 9,10,23,0,21,5,15,93, 6,19,24,18,56,11,80,34, 5,98,33,11,25,99,44,33,78, 52,31,77, 5,22,47,87,67,46,83, 89,72,34,69, 4,67,97,83,23,47, 69, 8, 9,90,20,58,20,13,61,99,7,22,55,11,30,56,87,29,92,67, 99,16,14,51,66,88,24,31,23,42,76,37,82,10, 8, 9, 2,17,84,32,66,77,32,17, 5,68,86,22, 1, 0) ... ... if __name__ == "__main__": libbubble = CDLL('libbubble.so') time1 = time.time() for i in xrange(100000): libbubble.initArr(arr1,arr,100) libbubble.bubble(arr1,100) time2 = time.time() print time2 - time1

再次执行：
为了减少误差，把循环增加到10万次，结果c原生程序使用优化参数编译后用时0.65s左右。python使用c扩展后（相同编译参数）执行仅需2.3s左右。
3）实验三 在c语言中使用PyObject处理入参
这种方式是在python中依然使用list装入待排序数列，在c函数中把list赋值给数组，再进行排序，排好序后，再对原始list赋值。循环排序10万次，执行用时1.0s左右。
4) 实验四 使用swig来包装c方法
在接口文件中声明%array_class(int,intArray);然后在Python中使用initArray来作为数组，同样修改成10万次排序。python版本的程序(相同编译参数)执行仅需0.7s左右，比c原生程序慢大概7%。

结论