Вообщем, в tcp-echo на pypy самым быстрым оказался twisted(101krps), потом tornado(99krps), eventlet(97krps), gevent(93krps). luajit + libuv - 120krps, tarantoool + libuv - 145krps, Go - 140-160krps с gomaxprocs=1

Как раз написал сегодня в образовательных целях подобие эвентлупа. Сравнил с торнадо - 4500rps против 4160rps (CPython 3.5 на винде)

Правда сравнивал readline-echo

А при увеличении числа процессов и размера сообщений торнадо начал выигрывать - 970rps против 1090rps

кажется, что на подобные различия гораздо больше влияет структура запросов, чем сам луп

Если кто захочет потыкать палочкой, вот код: https://github.com/ethframe/microio

eventlet, если будет делать всё, что нужно, ещё медленнее будет

С чего бы вдруг?

А twisted на каком лупе?

Epoll

Если кто захочет потыкать палочкой, вот код: https://github.com/ethframe/microio

У тебя там select.select

Не делай так.

Ром

А у тебя код где нить есть по тестам?

сходил вчера на PiterJS - они там startcarft 2 на чистом CSS делают о_О

Не делай так.

Прикрутил epoll

пооптимизировал вчера немножко life. оказывается сделать sum(sum(numpy.array())) быстрее, чем sum(numpy.array.flatten()) для двумерных массивов

А если с numpy.sum сравнивать?

А если с numpy.sum сравнивать?

ы:) а такое есть, да?

попробую

А у тебя код где нить есть по тестам?

На гитхабе у magickstack

ы:) а такое есть, да?

https://docs.scipy.org/doc/numpy-1.10.1/reference/generated/numpy.sum.html

И оно умеет складывать сразу по нескольким осям

но мне все ранво на маленьких полях уже паузу пришлось между циклами поставить, иначе ничего не рассмотреть:)

но мне все ранво на маленьких полях уже паузу пришлось между циклами поставить, иначе ничего не рассмотреть:)

http://gameprogrammingpatterns.com/game-loop.html

ну там примерно так и есть, но хочется же не тупить и считать новый циклкак можно раньше, это же больше вычисление, чем игра

я ожидаю, что на более мощном процессоре циклы быстрее будут обрабатываться

pyglet как раз позволяет удобно разделить это, но тут это большого смысла не имеет

По крайней мере, пока

Случайное поле можно сгенерировать, используя numpy (np.random.rand(width, height) < DENSITY).astype(int)

Случайное поле можно сгенерировать, используя numpy (np.random.rand(width, height) < DENSITY).astype(int)

Не понял что тут написано

https://github.com/lig/life/blob/master/life/creator.py#L20

Что делает np.random.rand(width, height)?

https://github.com/lig/life/blob/master/life/creator.py#L20

Свой код я помню

Генерирует массив размером width x height и заполняет его случайными значениями

вррбще правильно np.random.rand(height, width)

Генерирует массив размером width x height и заполняет его случайными значениями

А что будет, если сравнить его с веществом числом?

Будет bool-массив

Прикольно оно с массивами работает

Так в этом и суть numpy.

Интересно будет ли это быстрее

векторизация везде где возможно

Оно очень много времени на создание нового массива тратит

А тут их аж три

векторизация везде где возможно

Вот только нужна ли она

А вот поле в новое я бы смапил

Ну по сравнению с питоновскими циклами и даже генераторами списков она гораздо быстрее

Попробую

Ну по сравнению с питоновскими циклами и даже генераторами списков она гораздо быстрее

Нет

Создание нового массива дорого

В общем, помереем

Можно выделить память под массив numpy.empty((M, N), dtype=int)

Я помню когда давно пробовал нумпи для вычислений, в итоге быстрее оказалось питоновскими типами пользоваться

Можно выделить память под массив numpy.empty((M, N), dtype=int)

Так сравнение новый создаст и astype

Более того, многие numpy функции умеют не создавать массив, а писать в заданный извне. То есть сначала выделяешь всю память, а потом в цикле туда пишешь

Более того, многие numpy функции умеют не создавать массив, а писать в заданный извне. То есть сначала выделяешь всю память, а потом в цикле туда пишешь

А вот это можно попробовать. Тогда можно поиграться и подкладывать ненужные уже

https://docs.scipy.org/doc/numpy-1.11.0/reference/routines.logic.html#logical-operations см. аргумент out

Кстати, сборка numpy с MKL сильно повышает производительность, особенно линейной алгебры.

https://docs.scipy.org/doc/numpy-1.11.0/reference/routines.logic.html#logical-operations см. аргумент out

А в x2 там можно скаляр?

Можно

Кстати, сборка numpy с MKL сильно повышает производительность, особенно линейной алгебры.

А линуховая либа, которая на фортране не подходит? На линухе оно же вроде собирается с чем-то там

По умолчанию используется openblas вроде, а оно одно из самых медленных.

Интеловские либы и компилятор вообще крутые, только вот денег стоят

скучная и ограниченная реализация

скучная и ограниченная реализация

Ты о чём?

про все эти нумпи массивы

"скучная реализация" - это как? Напоминает "скучные обои". Ну, а ограниченность есть везде и во всём, любая реализация чем-то ограничена: требованиями, спецификацией, предметной областью. Честно говоря, не понял, о чем речь.

в том что тупо массив M на N

ERROR: S client not available

в смысле, созданный массив не может быть изменён в размере?

в том что поле ограниченно изначально

альтернатива - хранить ячейки в сете координат. тогда размеры поля становятся практически неограниченными, а скорость обработки хода будет пропорциональна количеству клеток, а не размерам экрана

в том что поле ограниченно изначально

Ты удивишься, но это как раз часто полезно

чему именно я должен удивляться?

альтернатива - хранить ячейки в сете координат. тогда размеры поля становятся практически неограниченными, а скорость обработки хода будет пропорциональна количеству клеток, а не размерам экрана

сет координат?

cells = {(0, 0), (0, 1), ...}

альтернатива - хранить ячейки в сете координат. тогда размеры поля становятся практически неограниченными, а скорость обработки хода будет пропорциональна количеству клеток, а не размерам экрана

Она и так пропорциональна количеству клеток

cells = {(0, 0), (0, 1), ...}

это ты придумал sparse matrix?

Ты же понимаешь, что пустую клетку тоже надо обрабатывать?

это ты придумал sparse matrix?

на авторство я претендовать точно не буду

Там есть условие на Born

Ты же понимаешь, что пустую клетку тоже надо обрабатывать?

в твоем алгоритме да - тебе надо обработывать всё поле без вариантов если же хранить поле как выше - тебе надо найти помимо этих клеток всех их соседей и обрабатывать только их

в твоем алгоритме да - тебе надо обработывать всё поле без вариантов если же хранить поле как выше - тебе надо найти помимо этих клеток всех их соседей и обрабатывать только их

И еще помнить какого соседа я обрабатывал, а какого - нет

а сеты тебе на что?

Что делать если Born 0 ?

в твоем алгоритме да - тебе надо обработывать всё поле без вариантов если же хранить поле как выше - тебе надо найти помимо этих клеток всех их соседей и обрабатывать только их

Для каждой клетки найти всех соседей каждый раз?

и что?

Для каждой клетки найти всех соседей каждый раз?

Это скан что ли?

Или мне нужно каждый раз сортировать ещё?

возьми тупой флипфлоп - три клетки в ряд. для его обработки надо обойти три клетки, найти их 12 соседей, и в итоге обработать 21 клетку а в твоем алгоритме будет ебашится всё полё

возьми тупой флипфлоп - три клетки в ряд. для его обработки надо обойти три клетки, найти их 12 соседей, и в итоге обработать 21 клетку а в твоем алгоритме будет ебашится всё полё

Как найти во flatten листе с пропусками соседей двумерной сетке без скана?

не помню сейчас где я видел эту реализацию. но меня поразило что весь код там влез строчек в 20 суммарно

с выводом поля на печать принтами

возьми тупой флипфлоп - три клетки в ряд. для его обработки надо обойти три клетки, найти их 12 соседей, и в итоге обработать 21 клетку а в твоем алгоритме будет ебашится всё полё

Меня беспокоит найти 12 соседей

не помню сейчас где я видел эту реализацию. но меня поразило что весь код там влез строчек в 20 суммарно

Ну вот, кто тебе мешает. Форкни и покажи нам класс

не помню сейчас где я видел эту реализацию. но меня поразило что весь код там влез строчек в 20 суммарно

Здесь так-то тоже в логике не много строк:)

А в последней версии вычисление нового значения из старого и суммы вокруг делается в одну строку:)

https://github.com/lig/life/blob/master/life/creator.py#L45

https://github.com/lig/life/blob/master/life/creator.py#L45

Забавно, что в этой строке используется все битовые логические операции, кроме сдвигов.

С последней версией что-то не так, кстати