PC与智能手机运行Python性能差异及测试方法相关咨询

关于ARM架构单线程性能与多核利用问题 #

你写的两段测试代码都是纯单线程执行，CPython的全局解释器锁（GIL）会阻止普通Python代码利用多核CPU，所以两台设备都只用到了单个核心，不存在多核利用的差异。
你看到的蒙特卡洛测试手机更快属于正常现象：

1. 你PC运行的是Windows系统，Windows版CPython的标准库实现、系统调用开销都比Linux环境高，你如果在PC上用WSL跑同一套代码，耗时会直接降到和手机接近的水平
2. 骁龙855的Cortex-A76大核的同频IPC（每时钟周期指令数）和你用的8代酷睿Coffee Lake核心差距很小，虽然酷睿单核频率更高，但Windows的额外开销抹平了频率优势，甚至出现反超
3. 另外要注意，random模块的全局随机数生成器在不同平台的实现细节也有差异，也会带来一定的性能偏差。

关于第三方库加载速度问题 #

你的推测完全正确，手机加载大体积第三方库确实更慢，核心原因有两个：

1. 存储IO性能差距：PC用的NVMe SSD的4K随机读取性能是手机UFS闪存的3~10倍，而pandas这类库加载时需要读取上百个独立的.pyc、动态链接库文件，刚好是4K随机读的典型场景，差距会被放大
2. 系统缓存策略差异：Windows/Linux桌面系统会给文件缓存分配大量空闲内存，只要你之前加载过pandas，第二次之后运行基本都是从内存读，而Android的内存管理会优先给前台App分配资源，留给Termux这类后台应用的页缓存空间很小，每次冷启动加载都要重新从闪存读数据。
   你可以把import pandas放到计时块里单独测试，两边的导入时间差距会非常明显。

更科学的Python性能测试方法 #

要公平对比两类设备的Python性能，一定要做好变量控制，测试方案可以参考下面的标准：

• 环境对齐：两边使用大版本、小版本完全一致的CPython，编译优化参数尽量统一（都用O2级优化，排除debug版的性能损耗）；如果要对比架构差异，PC端尽量用WSL或者原生Linux，排除Windows和Linux的系统差异干扰
• 拆分测试维度：把库导入耗时、单线程业务逻辑耗时、多进程多核扩展性、IO操作耗时四类场景分开测试，不要混在同一个计时里
• 排除偶然误差：每个测试用例至少跑10次，去掉第一次冷启动的异常值，再去掉最高和最低的两次结果，取剩下的平均值作为最终结果，不要单次运行就下结论
• 覆盖常见场景：不要只测纯Python循环，还要覆盖numpy向量化运算、pandas批量数据处理、正则表达式计算、网络请求、磁盘读写等开发者日常会用到的典型场景，测试结果才有参考价值。

内容的提问来源于stack exchange，提问作者nogader