共享库与打开进程性能

问题描述

我有一定的 Python 代码基础（Flask 服务器）。我需要服务器执行性能关键操作，我决定用 C++ 实现。但是，由于C++部分有其他依赖，尝试ctypes和boost.python都没有结果（没有找到符号，其他库甚至在设置环境时，等等，基本上，有问题）。我相信一个合适的替代方法是将 C++ 部分编译成可执行文件（需要单个函数/过程）并使用 commands 或 subprocess 从 python 运行它，通过 {{1 }} 例如。我唯一担心的是这会减慢程序的速度，因为我无法创建共享对象库，直接从 python 调用它的函数，我无法对加速进行基准测试。

当我将 C++ 代码编译为可执行文件并使用一些示例数据运行它时，程序需要 stdin/out 才能运行。这不考虑从 python 打开进程，也不考虑在进程之间传递数据。

问题是：与创建新进程来运行程序相比，使用 ctypes/boost 和 SO 可以期待多大的加速？如果我认为这个数字足够大，它会激励我解决遇到的问题，基本上，我在问它是否值得。

解决方法

如果您在使用 Boost.Python 创建绑定时遇到困难，您可以通过 c 函数手动公开您的 API，并通过 FFI 使用它们。

这是一个简单的例子，它简要地解释了我的想法。首先，您创建了一个共享库，但在这里添加了一些额外的函数，在我将其放入 extern "C" 部分的示例中。必须使用 extern "C"，否则函数名称会被修改，并且它们的实际名称可能与您声明的名称不同：

#include <cstdint>
#include <cstdio>

#ifdef __GNUC__
#define EXPORT __attribute__ ((visibility("default")))
#else // __GNUC__
#error "Unsupported compiler"
#endif // __GNUC__

class data_processor {
public:
  data_processor() = default;

  void process_data(const std::uint8_t *data,std::size_t size) {
    std::printf("processing %zu bytes of data at %p\n",size,data);
  }
};

extern "C" {
EXPORT void *create_processor() {
  return new data_processor();
}

EXPORT void free_processor(void *data) {
  delete static_cast<data_processor *>(data);
}

EXPORT void process_data(void *object,const std::uint8_t *data,const std::uint32_t size) {
  static_cast<data_processor *>(object)->process_data(data,size);
}
}

然后你在 python 中创建函数绑定。如您所见，函数声明几乎与下面的 cpp 文件中的相同。我只使用内置类型（如 void *、uint8_t 和任何东西，但我相信 FFI 也允许您声明和使用自定义结构）：

from cffi import FFI

mylib_api = FFI()
mylib_api.cdef("""
    void *create_processor();
    void free_processor(void *object);
    void process_data(void *object,const uint8_t *data,uint32_t size);
""")
mylib = mylib_api.dlopen("mylib.so-file-location")

processor = mylib.create_processor()
try:
    buffer = b"buffer"
    mylib.process_data(processor,mylib_api.from_buffer("uint8_t[]",python_buffer=buffer),len(buffer))
finally:
    mylib.free_processor(processor)

基本上就是这样。

在我看来，在没有其他任何工作的情况下，互处理将是最后的手段：

你需要付出很多努力来实现你的通信协议的细节，如果你使用流行的东西，可能会有很多问题，尤其是从 C++ 端；
就处理器时间而言，进程间通信通常更昂贵。

c++process python