为何Python与NumPy随机数生成器的性能测试结果存在冲突？

最近我在Code-Review平台上发起了一个关于Python和NumPy随机数生成工具的性能对比分析问题。最开始我想当然地认为，不同机器上的性能数值虽然会有差异，但整体的快慢结论应该是统一的——比如工具A肯定比工具B快这类的结论。但实际测试下来，情况完全不是我预想的那样。

Oscar Smith的测试结果 #

Oscar Smith针对这个问题完成了独立测试，他的运行环境配置如下：

• 操作系统：Ubuntu
• Python版本：2.7 和 3.6
• NumPy版本：1.14.1

他的测试结果显示，在这套环境下，部分随机数生成工具的性能排序和我本地测试的结果完全相反。比如在他的机器上numpy.random.rand()的生成速度比Python标准库的random.random()快近2倍，但在我的测试环境里，两者的性能差距只有不到30%。

我的测试补充 #

我也在自己的环境里做了相同的测试，测试过程中发现：

• 硬件架构的差异（比如Intel vs AMD处理器）对生成速度影响很大
• Python版本和NumPy的编译方式（是否用了MKL优化）也会导致性能波动
• 甚至同一台机器上，不同的进程优先级也会让测试结果出现小幅偏差

这让我意识到，随机数生成库的性能表现不能一概而论，必须结合具体的运行环境来评估，不能直接照搬其他机器上的结论。

内容的提问来源于stack exchange，提问作者Drise