前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >WinRT开发语言的功能和效率

WinRT开发语言的功能和效率

作者头像
葡萄城控件
发布2018-01-10 16:56:58
1K0
发布2018-01-10 16:56:58
举报

WinRT开发有着多种选择性,就编程语言这一点就表现的很突出;这里就这一点 深入展开,探讨在WinRT开发之初如何依据各 个编程语言的特性、功能和效率来对 产品的技术方向做出选择。

这里我选择运行计算复杂度较高的算法作为测试方法,虽然不能代表全部,但 是很大程度上展示大家平时开发过程中所面临的常见场景 和问题。考虑到演示和 理解,就选择了查找100000以内的所有素数的个数的算法作为演示。另外也顺带演 示如何在WinRT下实现多编程语言和技 术之间的协作吧。

关于基本知识和算法吧详细的说明,请自行搜索各大引擎吧(关键 词:prime、素数),这里我就列举在各个语言下我的简单实现吧,其中包括使用 普通算法和并 行计算的两个版本。

第一部分,从目前.NET主流来看吧,以C# 为例,普通版本,这个没什么多说的,就是从前往后看某个数是不是素数:

代码语言:javascript
复制
private static int 
CountingInternal(int n)
{
     var numprimes = 1;
     for (var i = 3; i <= n; i += 2)
     {
         var isPrime = true;
         var limit = Math.Ceiling(Math.Sqrt(i)) + 1;
         for (var j = 3; j < limit; j += 2)
         {
             if (i%j == 0)
             {
                 isPrime = false;
                 break;
             }
         }
         if (isPrime)
         {
             numprimes++;
         }
     }
     return numprimes;
}

并行版本稍微复杂一点点,选择Parallel.For来并行执行一个从1至n/2的并行 循环(我这里偷懒了一下,没有处理奇 偶数的情况,因为我的调用时传入的都是 偶数),发现是素数,使用Interlocked辅助方法给计数增加1。

代码语言:javascript
复制
private static int 
CountingParallel(int n)
{
     var numprimes = 1;
     Parallel.For(1, n/2, i =>
     {
         if (IsPrime(i*2 + 1))
         {
              Interlocked.Increment(ref numprimes);
         }
     });
     return numprimes;
}

public static bool IsPrime(int n)
{
     if (n%2 == 0)
         return false;
     var limit = (int) (Math.Ceiling(Math.Sqrt(n)) + 1);
     for (var i = 3; i < limit; i += 2)
     {
         if (n%i == 0)
         {
             return false;
         }
     }
     return true;
}

第一种场景,直接嵌入算法到C# WinRT App工程,执行结果如下(单位毫 秒):

执行次数

1(启动)

2

3

4

5

普通

14.0299

9.0005

9.1825

8.0021

11.0181

并行

6.0008

2.0004

2.9993

2.0014

3.999

第二种场景,将C#算法包装在一个类库里(注意 是CLR类库,只能在C#/VB直接通用),在C# WinRT App工程中调用这个类库,执行 结果如下(单位毫秒):

执行次数

1(启动)

2

3

4

5

普通

12.0299

9.0019

10.003

9.0014

9.00017

并行

6.0008

2

3.0003

2.9997

1.9995

第三种场景,将C#算法包装到一个Windows Runtime Component(WRC)中,在C# WinRT App工程中调用这个WRC类库,执行结 果如下(单位毫秒):

执行次数

1(启动)

2

3

4

5

普通

11.9904

9.0032

9

9。0028

9.00149

并行

6.0008

1.9817

1.9985

1.9993

2

第四种场景,将C#算法包装到一个Windows Runtime Component(WRC)中,在WinJS App工程中调用这个WRC类库,执行结果如 下(单位毫秒):

执行次数

1(启动)

2

3

4

5

普通

11

9

8

9

8

并行

4

1

1

3

2

小结:以上是从.NET角度来进行的比较,很容易 看出第一次CLR加载在这里性能损耗表现的很明显,完成加载之后性能将稳定在一 定范 围内波动;另外,并行计算在纯算法的应用中有很明显的性能优势。

第二部分,接下来我们回归Native环境,这里我 依然使用普通和并行计算两种来尝试,普通的依然没什么可说的(实际上和C#的没 区 别,除了关键字不一样)。

代码语言:javascript
复制
static int CountingInternal(int n)
{
     auto numprimes = 1;
     for (auto i = 3; i <= n; i += 2)
     {
         auto isPrime = true;
         auto limit = ceil(sqrt(i)) + 1;

         for (auto j = 3; j < limit; j += 2)
         {
             if (i%j == 0)
             {
                 isPrime = false;
                 break;
             }
         }

         if (isPrime)
         {
             numprimes++;
         }
     }
     return numprimes;
}

并行版本,需要注意的是C++ lambda的传值 和作用域问题,其他的和C#的没区别:

代码语言:javascript
复制
static bool IsPrime(int n)
{
     if (n%2 == 0)
         return false;
     auto limit = (int) (ceil(sqrt(n)) + 1);
     for(auto i=3; i<limit; i+=2)
     {
         if(n%i == 0)
         {
             return false;
         }
     }
     return true;
}

static int CountingParallel(int n)
{
     auto numprimes = 1;
     parallel_for(1, n/2, [&](int i)
     {
         if(IsPrime(i*2+1))
         {
             InterlockedIncrement((volatile unsigned long*)&numprimes);
         }
     });
     return numprimes;
}

第一种场景,直接将C++算法放到C++ WinRT App 中使用,执行结果如下(单位毫秒):

执行次数

1(启动)

2

3

4

5

普通

8.0019

7.9991

8.0209

8.9843

8.0181

并行

1.9794

1.998

1.9994

1.984

2.0003

第二种场景,将C++算法包装在DLL中,在C++ WinRT App中使用,执行结果如下(单位毫秒):

执行次数

1(启动)

2

3

4

5

普通

9

9

9

8

9

并行

3

2

3

2

2

第三种场景,将C++算法包装在动态连接库Dll中,在C# WinRT App中通过 PInvoke来调用,执行结果如下(单位毫秒):

执行次数

1(启动)

2

3

4

5

普通

9

9

8

9

9

并行

3

2

3

2

3

第四种场景,将C++算法包装在静态链接库Lib中,在C++ WinRT App中调用,执 行结果如下(单位毫秒):

执行次数

1(启动)

2

3

4

5

普通

8

8

8

9

9

并行

2

3

3

2

3

第五种场景,将C++算法包装在Windows Runtime Component(WRC)中,在C# WinRT App中调用,执行结果如下(单位毫秒):

执行次数

1(启动)

2

3

4

5

普通

8.0014

8.0191

8.0293

8.0019

9.0291

并行

1.9994

1.9999

1.998

1.9994

2.99982

第六种场景,将Windows Runtime Component(WRC)中,在WinJS App中调用, 执行结果如下(单位毫秒):

执行次数

1(启动)

2

3

4

5

普通

9

8

9

8

8

并行

2

2

3

2

3

第七种场景是将C++算法包装在Windows Runtime Library(WRL,基于COM的底 层开发)中,然后在任何一种WinRT App中调用,可以预见这是一种很强大的方 式,但同时也是最费解的一种方式,我成功的包装了普通算法的COM版,但是尝试 了很长时间不能成功实现并行运算 的版本,也就放弃在这里展示了,如果你知道 如何在WRL中实现并行计算并返回 IAsyncOperation<T>,请不吝赐教。 

小结:基于C++的实现在适用性、稳定性和执行效率上无可挑剔,如果对于所有 细节(包括第一次启动)的效率考虑,C++是优先 的;如果考虑到C++的复杂度, 如果项目对性能要求可以适当放松但对进度要求很高的时候,选择CLR会比较容易 控制的;如果原来已有的Web项目 向WinRT迁移,那么前段展示则可以考虑使用 WinJS+HTML来实现,后台算法根据需要选择C++或者CLR。

第三部分,如果所有的算法全部运行在 JavaScript中,那么其性能如何呢?这里我先买个关子,留待你自己去探究和发 掘。

总结,WinRT在编程语言的选择性上有着非常好的 灵活性,在做选择的时候需要充分考虑自己的要求,比如性能、比如工期、比如经 验等 等。对于全新项目,在有经验的情况下,追求极致性能的首先首当其冲是 C++,如果考虑到经验和掌控,可以选择使用C++做底层,选择相对容易上手 的 C#/VB或者HTML+JS做界面的方法;如果项目工期要求很紧,或者从老系统迁移,那 么这时候更多的考虑是使用已有资源,直到性能瓶颈的时 候才采取措 施——以C++重写性能瓶颈来解决,当然,如果没有C++经验,也可以考 虑使用C#/VB来 实现WRC以包装核心逻辑,从而提升运行效率。目前已有部分软件支持WinRT,Spread WinRT 就是其中之一。它可以将 Microsoft Excel 的强大功能嵌入到 Windows 8 商店应用程序中,使用丰富的内嵌数据可视化功能展现核心数据和分析结果。

附以上测试源代码和测试工程,点击这里下载

本文参与 腾讯云自媒体分享计划,分享自作者个人站点/博客。
原始发表:2013-02-19 ,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体分享计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
相关产品与服务
GPU 云服务器
GPU 云服务器(Cloud GPU Service,GPU)是提供 GPU 算力的弹性计算服务,具有超强的并行计算能力,作为 IaaS 层的尖兵利器,服务于深度学习训练、科学计算、图形图像处理、视频编解码等场景。腾讯云随时提供触手可得的算力,有效缓解您的计算压力,提升业务效率与竞争力。
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档