随机数生成器的性能结果冲突

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。人们会假设不同机器上的性能会有一些差异，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，他做了一个测试，得到了如下结果，在Ubuntu，Python 2.7和3.6，NumPy 1.14.1上运行：

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

---

我在 RHEL 7.4、Python 2.7.5、NumPy 1.7.1 上进行了相同的测试，得到了相反的结果：

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

我希望这些值会有所不同，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，我们得到了直接相反的结果。这里发生了什么？如果可能，官方认为哪个库更快？

一个有趣的旁注，在在线解释器https://repl.it/languages/python3 中运行，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。从那时起，numpy.random 变得更加复杂。

例如，比较numpy.random.uniform 的1.14.1 和1.7.1 实现，1.14.1 实现涉及一个锁，并做了额外的工作来支持low 和high 的类似数组。 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。比较1.14.1 和1.7.1 实现，1.14.1 实现包括锁、dtype 动态分派和大量使用 Python 级 API，所有这些都增加了每次调用的开销。 1.7.1 的实现要直接得多。