使用Ruby实现算法时遇到的性能问题

昨天作了一道Topcoder的题目，是一道典型的图搜索问题。由于正在学习Ruby，所以用Ruby实现了一下。

 

测试时发现规模小的时候比如100*100以下的图，运行时间还可以接受。而题目要求是500*500的图，这种规模下，运行时间已经超出了我的耐心。

 

一般来说，Topcoder的题目都是能够十多秒运行出结果的，否则就是没有做对。

 

本来以为是我的算法写的有问题，所以反复检查我的算法，并没有发现更有效率的途径。

 

开始怀疑ruby的性能问题，用Java把其中的堆数据结构重新实现了一次，然后和ruby实现的堆进行比较。

 

结果让人大吃一惊，竟然比ruby快20-30倍。我的测试并不权威，所以具体数据我就不贴出来了，以免发生非议。程序在后面，有兴趣的自己测试一下。

 

用Java实现是可以满足时间要求的，所以问题是在性能上。

 

结论：世间没有药能治百病，编程语言也是如此。脚本语言有着数倍于强类型语言的编程效率，同样也有着接近一个数量级的效率低下。

 

我这个测试并不代表现实世界脚本语言应用程序的效率，因为大部分脚本应用程序属于IO密集型，比如网站，解释速度不是瓶颈。

 

在关键任务上，可以使用ruby作为粘合剂，而算法用C或者C++实现。充分利用各种语言的优势。

 

 附：堆数据结构的 ruby 和 java 实现

 

Ruby实现：

 

 

class Heap
    def initialize(list)
        @heap =[]
        insert(list)
    end
   
    def push(item)
        @heap.push(item)
        go_up(@heap.size-1)
    end
   
    def insert (list)
        list.each do |item|
            push(item)
        end
    end
   
    def pop_each
        while data = pop
            break if yield(data)
        end
    end
   
    def pop
        if  @heap.size>1
            result = @heap.first
            @heap[0] = @heap.pop;
            go_down(0)
            return result
        elsif @heap.size==1
            return @heap.pop
        else
            nil
        end
    end
   
    private
   
    def go_up(pos)
        if parent(pos) >= 0 && @heap[pos]<@heap[parent(pos)]
            swap(pos,parent(pos))
            go_up(parent(pos))
        end
    end
   
    def go_down(pos)
        tmp = min(pos)
        if tmp!=pos
            swap(pos,tmp)
            go_down(tmp)
        end
    end
   
    def min(root)
        minPos(right_child(root) ,minPos(left_child(root)  , root) )
    end
   
    def minPos (left, right)
        return left > 0 ? (@heap[left]< @heap[right] ? left : right) : right
    end
   
    def parent(pos)
        pos > 0 ? (pos-1)/2 :-1
    end
   
    def left_child(pos)
        pos*2+1 < @heap.size ? pos*2+1 : -1
    end
   
    def right_child(pos)
        pos*2 +2 < @heap.size ? pos*2+2 : -1
    end
   
    def swap(left,right)
        tmp =@heap[left]
        @heap[left]=@heap[right]
        @heap[right]=tmp
    end
   
end

 

 java实现：

 

/**
 *
 */
package test;

import java.util.ArrayList;
import java.util.List;

/**
 * @author dongbin
 *
 */
public class Heap {
 List<Comparable> heap = new ArrayList<Comparable>();

 public Heap(List<Comparable> data) {
  insert(data);
 }

 private void insert(List<Comparable> data) {
  for (Comparable object : data) {
   push(object);
  }
 }

 public void push(Comparable obj) {
  heap.add(obj);
  goUp(heap.size()-1);
 }
 
 public Object pop(){
  if(heap.size()>1){
   Object result = heap.get(0);
   heap.set(0,heap.remove(heap.size()-1));
   goDown(0);
   return result;
  }else if (heap.size()==1){
   return heap.remove(0);
  }else{
   return null;
  }
 }

 private int min(int root) {
  return minPos(right_child(root), minPos(left_child(root), root));
 }

 private int minPos(int left, int right) {
  return left > 0 ? (heap.get(left).compareTo(heap.get(right)) < 0 ? left
    : right) : right;

 }

 private void goUp(int pos) {
  if (parent(pos) >= 0
    && heap.get(pos).compareTo(heap.get(parent(pos))) < 0) {
   swap(pos,parent(pos));
   goUp(parent(pos));
  }
 }
 
 private void goDown(int pos){
  int min = min(pos);
  if(min!=pos){
   swap(pos,min);
   goDown(min);
  }
 }
 
 private void swap(int left , int right){
  heap.set(right,heap.set(left,heap.get(right)));
 }

 private int parent(int pos) {
  return pos > 0 ? (pos - 1) >> 1 : -1;
 }

 private int right_child(int pos) {
  return (pos << 1) + 2 < heap.size() ? (pos << 1) + 2 : -1;
 }

 private int left_child(int pos) {
  return (pos << 1) + 1 < heap.size() ? (pos << 1) + 1 : -1;
 }
}