python - 为什么可变字符串比不可变字符串慢？

Question

为什么可变字符串比不可变字符串慢？

编辑:

>>> import UserString
... def test():
...     s = UserString.MutableString('Python')
...     for i in range(3):
...         s[0] = 'a'
... 
... if __name__=='__main__':
...     from timeit import Timer
...     t = Timer("test()", "from __main__ import test")
...     print t.timeit()
13.5236170292



>>> import UserString
... def test():
...     s = UserString.MutableString('Python')
...     s = 'abcd'
...     for i in range(3):
...         s = 'a' + s[1:]
... 
... if __name__=='__main__':
...     from timeit import Timer
...     t = Timer("test()", "from __main__ import test")
...     print t.timeit()
6.24725079536


>>> import UserString
... def test():
...     s = UserString.MutableString('Python')
...     for i in range(3):
...         s = 'a' + s[1:]
... 
... if __name__=='__main__':
...     from timeit import Timer
...     t = Timer("test()", "from __main__ import test")
...     print t.timeit()
38.6385951042

我认为很明显为什么我将 s = UserString.MutableString('Python') 放在第二次测试中。

Answer 1

在一种同时提供可变和不可变字符串类型的假设语言中(我实在想不出其中的一种——例如，Python 和 Java 都只有不可变字符串，以及其他通过变异来实现的方法这增加了间接性，因此当然会减慢速度；-)，没有任何性能差异的真正原因——例如，在 C++ 中，可互换使用 std::string 或 const std::string 我希望不会造成性能差异(诚然，编译器可能能够通过依赖不变性更好地使用后者优化代码，但我不不知道现实世界中有任何确实执行这种理论上可能的优化；-)。

拥有不可变的字符串可能而且确实允许在 Java 和 Python 中进行非常大的优化。例如，如果字符串被散列，散列可以被缓存，并且永远不必重新计算(因为字符串不能改变)——这在 Python 中尤为重要，它使用散列字符串(用于集合中的查找)和词典)如此奢华，甚至“在幕后”。永远不需要“以防万一”之前的副本同时发生变化——只要需要该字符串，就可以始终系统地分发对单个副本的引用。 Python 还大量使用(某些)字符串的“实习”，可能允许进行恒定时间比较和许多其他类似的快速操作——可以将其视为另一种方式，可以肯定是一种更高级的方式，以利用字符串的不变性缓存更多经常对其执行的操作的结果。

当然，这并不是说给定的编译器将利用所有 可能的优化。例如，当请求一个字符串的切片时，实际上没有必要创建一个新对象并将数据复制过来——新切片可能引用具有偏移量(和独立存储的长度)的旧切片，潜在地对从中取出许多切片的大字符串进行了很好的优化。 Python 不会这样做，因为除非在内存管理中特别小心，否则这可能很容易导致“大”字符串全部保存在内存中，而实际上只需要一小部分 - - 但这是一个权衡，不同的实现可能肯定会选择执行( 额外内存管理的负担，可以肯定的是 - 更复杂，更难调试的编译器和运行时代码对于假设的有问题的语言)。

我只是触及表面——如果可变和不可变版本中存在可互换的字符串类型，那么其中许多优点将很难保持(据我目前所知，我怀疑这就是原因至少，C++ 编译器实际上不会为这种优化而烦恼，尽管它们通常非常注重性能)。但是通过提供仅不可变字符串作为原始的、基本的数据类型(因此在您确实需要可变字符串时隐含地接受了一些缺点；-)，Java 和 Python 等语言显然可以获得所有各种优点——性能问题只是其中的一组(例如，Python 选择只允许不可变的原始类型是可散列的，这不是以性能为中心的设计决策——它更多的是关于集合和行为的清晰度和可预测性字典!-)。