为何Numba并行循环比普通Python循环更慢？附测试案例

普通Python循环实现 #

def two_d_array_reduction_prod(n):
    shp = (13, 17)
    result1 = 2 * np.ones(shp, np.int_)
    tmp = 2 * np.ones_like(result1)

    for i in range(n):
        result1 *= tmp

    return result1

调用方式：

two_d_array_reduction_prod(50000)

耗时约 0.7482060070033185 秒。

Numba并行优化版本 #

@nb.njit(parallel=True)
def two_d_array_reduction_prod(n):
    shp = (13, 17)
    result1 = 2 * np.ones(shp, np.int_)
    tmp = 2 * np.ones_like(result1)

    for i in nb.prange(n):
        result1 *= tmp

    return result1

调用方式：

two_d_array_reduction_prod(50000)

耗时 3.9858204890042543 秒。

运行环境 #

• Amazon Linux 2 操作系统，x86_64架构处理器
• 8核CPU
• 32GB内存

内容的提问来源于stack exchange，提问作者Krishna Sunuwar