ARTS #5-木庄网络博客

本文摘自网络，作者，侵删。

Algorithm

剑指 Offer 09. 用两个栈实现队列

看了官方解答之后才做出来的。栈A存push的内容，栈B存remove的内容。栈B空的时候，把栈A的内容一一remove出来，然后再一一push到栈B里面。

type CQueue struct {
    stack1, stack2 *list.List
}

func Constructor() CQueue {
    return CQueue{
        list.New(),
        list.New(),
    }
}

func (this *CQueue) AppendTail(value int) {
    this.stack1.PushBack(value)
}

func (this *CQueue) DeleteHead() int {
    if this.stack2.Len() > 0 {
        back := this.stack2.Back()
        element := this.stack2.Remove(back)
        return element.(int)
    }
    index := 0
    for index < this.stack1.Len() {
        back := this.stack1.Back()
        element := this.stack1.Remove(back)
        this.stack2.PushBack(element)
    }
    if this.stack2.Len() == 0 {
        return -1
    }
    back := this.stack2.Back()
    element := this.stack2.Remove(back)
    return element.(int)
}

Review

Using Numba for blazing performance in Python
文章展示了几个用numba进行python性能提升对比的例子

简单来说就是python本身因为是解释性语言，大家平时使用的cpython解释器没有jit（Just-in-time compiler）优化，所以使用起来会感觉python性能比较差。而numba可以针对性的对某段代码进行jit优化，所以性能提升就比较大。

之前看过一篇文章，换一个pypy编译器python性能也是同样飞起。为什么Python比C++慢很多？

import numpy as np
import time
import math
from numba import jit

size = int(5e7)
array = np.arange(size).astype(np.float32)

def function_with_normal_loop(array):
    out = []
    for i in array:
        out.append(math.sqrt(i))
    return out

def function_with_list_comprehension(array):
    return [math.sqrt(x) for x in array]

def function_with_map(array):
    return list(map(math.sqrt, array))

@jit(nopython=True)
def function_with_normal_loop_jit(array):
    out = []
    for i in array:
        out.append(math.sqrt(i))
    return out

@jit(nopython=True)
def function_with_list_comprehension_jit(array):
    return [math.sqrt(x) for x in array]

@jit(nopython=True)
def function_with_map_jit(array):
    return list(map(math.sqrt, array))

def culculate_time(f, array):
    start = time.time()
    f(array)
    end = time.time()
    print(end-start)
    
culculate_time(function_with_normal_loop,array)
culculate_time(function_with_list_comprehension,array)
culculate_time(function_with_map,array)
culculate_time(function_with_normal_loop_jit,array)
culculate_time(function_with_list_comprehension_jit,array)
culculate_time(function_with_map_jit,array)

# 10.340049028396606
# 8.859677076339722
# 5.530158042907715
# 2.5269722938537598
# 2.5843582153320312
# 3.2769558429718018

Tip

https://github.com/tidwall/gjson
这周工作过程用了一个很好用的golang json解析开源库 gjson，分享一下，使用方法在github readme中都有写。

分享一篇讲解Golang timer的文章：Go timer 是如何被调度的？

总结下大概内容：

Go 1.14 版本之后，每个 P 单独维护一个四叉堆。减少了 Goroutine 之间的并发问题，提升了 timer 了性能
timer的调度一般有以下几种方式：

业务方调用NewTimer，timer.After, timer.AfterFunc 生产 timer, 加入对应的 P 的堆上
业务方调用 timer.Stop, timer.Reset 改变对应的 timer 的状态。然后等待GMP调度周期进行其他移除或者重新加入四叉堆操作。
GMP 在调度周期内中会调用 checkTimers ，遍历该 P 的 timer 堆上的元素，根据对应 timer 的状态执行真的操作。-- 在timer.reset函数中，等待被触发的timer就会通过改变timer的状态，然后让GMP调度来重新将timer加入四叉堆上

timer被Stop时只是修改了timer的状态位timerDeleted 然后等待GMP触发adjusttimers 或者 runtimer来将timer重四叉堆上移除
timer真正执行者是GMP 调度周期内，GMP通过 runtime.checkTimers 调用 timer.runtimer()判断timer能否被触发如果能被触发，就会通过回调函数 sendTime 给 Timer 的 channel C 发一个当前时间，告诉我们这个 timer 已经被触发。如果是ticker的话，被触发后，会重新加入四叉堆。

ps：
timer的源码解读：timer源码解读
GMP的介绍：GMP介绍
下周再继续深入学习一下

本文来自：简书

感谢作者：林华清

查看原文：ARTS #5