Question

读完本章之后你将能够回答下列问题

矢量计算的瓶颈在哪里？

我可以用什么工具查看CPU进行计算时的效率？

numpy为什么比纯Python更适合数值计算？

cache-miss和page-faults是什么？

我如何追踪代码中的内存分配？

无论你尝试在计算机上解决什么问题，你都会在某个时候遇到矢量计算。矢量计算是计算机工作原理不可或缺的部分，也是在芯片层次上对程序运行时间进行加速所必须了解的部分——计算机只知道如何对数字进行操作，而了解如何同时进行多个这样的计算能够加速你的程序运行。

在本章，我们通过解决一个相对简单的数学问题，扩散等式求解，来揭示这个问题的复杂度并理解CPU层面上发生了什么。通过理解Python代码如何影响CPU以及如何有效探测这些影响，我们就可以举一反三地学习如何理解其他　问题。

我们将首先介绍扩散等式问题并提供一个纯Python的快速解决方案。我们随后会指出该方案中的一些内存问题并试图用纯Python解决它们，我们会介绍numpy并验证它是如何以及为什么能够加速我们的代码的。然后我们会开始进行一些算法的改变并特化我们的代码来解决手上的问题。通过移除我们所使用的库中的一些通用性函数，我们就能够再一次提升速度。最后我们会介绍一些额外的模块，它们将帮助我们在实际工作中简化这种流程，然后浏览一个小故事，告诫我们不要急于在性能分析之前进行优化。