程序员选择这类低代码开发工具首先必须要考虑哪些问题呢
775
2022-05-29
围棋是全世界最古老的棋种(没有之一),也是古代哲学思想和中国传统文化的物质载体。小小纹枰,不过一尺见方,竟蕴藏着万千气象,着实令人为之着迷。少年时代的我,曾经有一段时间醉心于围棋。
标准的围棋盘由横竖各19道线组成网格,共有361个交叉点,每个交叉点上有白子、黑子和无子等三种可能的状态。那么问题来了:围棋总共有多少种不同的局面呢?
稍微思考一下,所有的程序员都会给出正确的答案:
3
361
3^{361}
3361(3的361次方)。可是,这究竟是一个多大的数字呢?算一下就知道了。
Python程序员随手写了一行代码,敲个回车,计算就结束了。
>>> pow(3,361) 174089650659031927907188238070 564367946602724950263541194828 118706801051676184649841162792 889887149386120969888163207806 137549871813550931295148033696 60572893075468180597603
C/C++程序员看完Python程序员的操作,不以为然,心里想,别看你写起来简单,速度肯定没我快。讲效率,还得看我C/C++的。
long result = 1 int i for(i=0; i<361; i++) { result *= 3; }
写到这里,C/C++程序员忽然意识到,long int恐怕不够用,即使long long int也只有8个字节,最大只能到
2
64
−
1
2^{64}-1
264−1,计算
3
361
3^{361}
3361肯定会溢出的。比long long更大的整型没有了,要是临时定义一个结构保存超大整数,再为超大整数的计算写一堆函数,恐怕一时半会儿搞不定。这可如何是好?要不用改用double float试试?赶紧上网查了一下,double可以表示-1.79E+308 ~ +1.79E+308之间的任意数,可是
3
361
3^{361}
3361在这个范围内吗?
这时,C/C++程序员心里有点慌了。幸好有点数学功底,简单计算一下:
l
o
g
10
3
361
=
361
×
l
o
g
10
3
≈
172.24077295379814
log_{10}{3^{361}}=361\times log_{10}3\approx172.24077295379814
log10 3361=361×log10 3≈172.24077295379814
3
361
3^{361}
3361大约有173位长,总算还在double覆盖的范围之内。也不用循环了,直接使用数学库中的pow函数吧。
#include
最后,C/C++程序员给出了一个浮点类型的答案。虽然精度略有损失,但也不算离谱。我用的是CodeBlocks,显示耗时28毫秒,这里面应当包括了编译连接的时间,否则C不至于慢到这个程度。
174089650659031910000000000000 000000000000000000000000000000 000000000000000000000000000000 000000000000000000000000000000 000000000000000000000000000000 00000000000000000000000.000000 Process returned 0 (0x0) Execution time : 0.028 s
看完C/C++程序员的这番折腾,Java程序员擦擦额头的冷汗,心中暗自庆幸:多亏我大Java有BigInteger这样的神器,不然真要出丑了。
import java.math.BigInteger; BigInteger result = new BigInteger("1"); for(int i=1; i<=361; i++) { result.multiply(new BigInteger("3"))); }
BigInteger用起来很方便,计算
3
361
3^{361}
3361毫无压力,只是不能兼容普通整型的那些运算符号,所有的运算都需要显式地调用函数,比如,这里的乘法就得调用multiply函数。
以上场景,纯属臆测,绝无褒贬任何编程语言之意,请各位明察。实际上,Python的超大整数计算也是C语言实现的,只不过采用了非常精妙的方案,最终经过各种优化,性能远超我们自己写出来的C代码。
Python的超大整数计算方案,精妙在哪儿呢?仅举存储一例:普通的Python整型采用4个字节存储,当处理超大整数时,每4个字节一个存储单元,单元之间采用
2
30
2^{30}
230即1073741824进制,一个单元满1073741824即向上一单元进位。
采用1073741824进制的Python的超大整数计算方案的效率如何呢?还是以计算
3
361
3^{361}
3361为例,看Python代码需要多长时间。
>>> import time >>> def power(x, base=2): t0 = time.time() result = pow(base, x) print('耗时%.06f秒'%(time.time()-t0)) return result >>> power(361, base=3) 耗时0.000000秒 174089650659031927907188238070 564367946602724950263541194828 118706801051676184649841162792 889887149386120969888163207806 137549871813550931295148033696 60572893075468180597603
太神奇了!居然连1微秒都不到?我有点怀疑这个结论,继续测试更大的数字,2的1000次方。
>>> power(1000) 耗时0.000000秒 107150860718626732094842504906 000181056140481170553360744375 038837035105112493612249319837 881569585812759467291755314682 518714528569231404359845775746 985748039345677748242309854210 746050623711418779541821530464 749835819412673987675591655439 460770629145711964776865421676 604298316526243868372056680693 76
计算
2
1000
2^{1000}
21000所花时间同样少于1微秒,但是显示计算结果花费了较长时间。我把代码修改了一下,不再显示计算结果,只考察计算时间。
>>> def power(x, base=2): t0 = time.time() result = pow(base, x) print('耗时%.06f秒'%(time.time()-t0)) #return result >>> power(10000) # 2的1万次方 耗时0.000000秒 >>> power(100000) # 2的10万次方 耗时0.000000秒 >>> power(1000000) # 2的100万次方 耗时0.005016秒 >>> power(10000000) # 2的1千万次方 耗时0.048000秒 >>> power(100000000) # 2的1亿次方 耗时0.620648秒 >>> power(1000000000) # 2的10亿次方 耗时7.448035秒 >>> power(10000000000) # 2的100亿次方 耗时77.881435秒
计算2的1万次方和2的10万次,所花时间仍然不足1微秒。直到计算2的100万次方时,方才显示耗时5毫秒。当算完2的100亿次方之后,我没有继续下去——2的100亿次方,这个数字实在是太过恐怖,我已经无法想象它的大小了。要知道,地球上全部物质的原子数量,也不过是1.28E47这个量级,大约是2的157次方。
那么,Python能够计算的最大整数到底有多大呢?我没有明确的概念,不过我在验证费马小定理的逆命题时,出现过一次超大整数计算错误。
a = 2 t = 2305843009213693951 s = 1152921504606846975 Traceback (most recent call last): File "huge.py", line 56, in
当我试图计算pow(a, t*pow(2,s)时,发生了内存错误。这里a等于2,s大于115亿亿,t大于230亿亿。显然,这个结果远远大于2的100亿次方。
Python 开发者
版权声明:本文内容由网络用户投稿,版权归原作者所有,本站不拥有其著作权,亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容,请联系我们jiasou666@gmail.com 处理,核实后本网站将在24小时内删除侵权内容。