嘗試 Cython + OpenMP：為 Python 瓶頸模塊注入 C 級性能與多線程並行

背景動機

Python 開發效率高，但執行速度慢（慢於 Java）。近期一個數據處理腳本經優化仍需 5 小時。重寫 C++ 成本高且後期維護難。尋找「開發效率與運行性能平衡點」：Cython + OpenMP。

關鍵技術點

• Cython：Python 超集，靜態類型聲明，編譯為 C 擴展，僅加類型聲明即提升 ~35% 性能；
• OpenMP：編譯器指令級並行，`#pragma omp parallel for` 即可多核加速；
• Cython 支持 OpenMP：`prange` 替換 `range`，配合 `nogil` 釋放 GIL，實現真並行。

環境配置

• Windows 7 32-bit + VS2008 + Python 2.7.3 + Eric4；
• Cython 0.20.1 通過 `python setup.py install` 直接編譯安裝（VS2008 匹配 Python 官方構建工具鏈，無需 MinGW）。

實戰步驟

1. 編寫 `test_omp.pyx`

from cython.parallel import prange, parallel
from libc.stdio cimport printf

def test():
    cdef int i = 0
    cdef int sum = 0
    for i in prange(1000000, num_threads=2, nogil=True):
        printf("%d\n", i)

• `prange`：並行範圍，自動切分迭代空間；
• `nogil=True`：釋放 GIL，允許真並行；
• 調用 C 庫 `printf` 避免 Python IO 鎖。

2. 編寫 `setup.py`

from distutils.core import setup
from distutils.extension import Extension
from Cython.Distutils import build_ext

ext = Extension(
    "test_omp",
    ["test_omp.pyx"],
    extra_compile_args=["/openmp"],   # MSVC 選項
    extra_link_args=["/openmp"]
)

setup(cmdclass={'build_ext': build_ext}, ext_modules=[ext])

3. 編譯生成 `.pyd`

python setup.py build_ext --inplace

產出 `test_omp.pyd`（Windows 動態庫），可直接 `import`。

4. Python 調用測試

from test_omp import test
test()

輸出顯示兩線程交替打印，驗證並行生效。

對比：純 C++ OpenMP 版本

#include <omp.h>
void PlayOMP() {
    #pragma omp parallel for num_threads(2)
    for (int i=0; i<1000000; ++i)
        cout << i << "\n";
}

VS2008 專案屬性啟用 OpenMP，複製 `vcomp90.dll` 到輸出目錄。運行速度更快（無 Python 呼叫開銷）。

避坑指南

結語

Cython + OpenMP 為 Python 性能瓶頸提供了低遷移成本、高並行收益的解決方案：核心熱點模塊用 Cython 重寫（加類型、釋放 GIL、OpenMP 並行），其餘業務邏輯保持 Python。適合「性能敏感但需快速迭代」的工程場景。