在 64 位操作系统的 64 位 CPU 上运行 X86-64 Python 有啥好处吗？

Posted 2023-02-25

【中文标题】在 64 位操作系统的 64 位 CPU 上运行 X86-64 Python 有啥好处吗？

【英文标题】：Are there benefits to running X86-64 Python on a 64-bit CPU in a 64-bit OS?在 64 位操作系统的 64 位 CPU 上运行 X86-64 Python 有什么好处吗？

【发布时间】：2011-06-01 20:34:33

【问题描述】：

运行 amd64 版本的 Python 和扩展有哪些好处？ （很多扩展compiled for amd64 here。）我有一个 i5 处理器和 Win7 64 位，所以看起来它是合适的。但听起来它也有问题、测试版、不受支持等。

它真的提供了性能优势吗？在哪些领域？我会运行 SciPy、NumPy 等。我偶尔会遇到 32 位 Python 的“内存不足”错误，而我的机器有 4 GiB 的 RAM。

如果不存在 64 位版本的软件包，是否可以在 64 位 Python 基础上安装 win32 软件包？

【问题讨论】：

由于 Anaconda 等原因，安装它的难度现在已经过时了。也许问题应该改写为仅涵盖 64 位 Python 的好处？

如果你这样做，所有过去的答案都会过时。最好提出一个新问题并参考这个问题。一些询问要求和内容标准随着时间的推移而发生变化，所以参考这个问题绝对是必须的！

如果您要问这样的新问题，请包括一些针对 32 位和 64 位软件版本的基准测试图像。恕我直言。该测试需要包括等量的浮点和整数计算、GPU 与 CPU 以及 CPU/GPU 组合工作、各种特定的 cos、tan、sin 计算操作，以使其也具有科学相关性。最后但并非最不重要的一些 pygames 为了好玩...... Snake Tetris 和 Pacman！

【参考方案1】：

使用 64 位 Python 的主要理由是您可以访问超过 2GB 的主内存，例如如果您有大字典、列表或长字符串。这需要您在系统中实际拥有足够多的内存才能实用。

第二个影响是在 AMD64 模式下，CPU 有更多的寄存器，因此生成的代码可能会运行得稍微快一些（对于整数运算）。

Windows 上 64 位模式的 Python 肯定不是测试版或不受支持。它可能有问题，但前提是您确实拥有非常大的数据结构。 64 位 Python 已经有大约 15 年了（虽然不在 Windows 上）。

【讨论】：

难道不是更多的寄存器会加速任何使用寄存器的东西，而不仅仅是整数运算？

@endolith：由于附加寄存器是整数寄存器，因此广泛使用浮点运算的代码无法从这种扩展中受益。当然，您很少有纯粹使用浮点运算的代码，因此任何代码都可能受益——除非它已经单独处理 x86 寄存器。

@endolith 和 Martin：x86-64 的 XMM 寄存器 (16) 是 16 个整数寄存器的两倍。更好的是，ABI 指定在 XMM 寄存器中而不是在传统 x87 寄存器中传递/返回 FP 参数。将 SSE2 作为架构的必需部分非常好，这意味着所有程序都可以使用它而无需检查 CPUID 功能位。

x86-64 在很多情况下的主要好处是它通常比为 32 位编译的相同代码快约 10%。当然，如果您需要大量内存或 64 位整数，那就太好了。 （或 Python 使用的任意精度整数）

【参考方案2】：

与所有其他 64 位程序的优势相同：大量的进程空间，以及访问更多更大的寄存器（至少对于 VM 和 C 模块）。但是不行，你需要找到 64 位版本的 C 模块。

【参考方案3】：

一般来说，使用 64 位代码可以获得正常收益。我还没有找到任何最近的基准，但是在 x64 引入时，代码在 64 位上的运行速度比在 x86 硬件上的 32 位上快 30%——从那时起，随着优化，这个差距肯定已经缩小了，但是仍然可能更快。

此外，您还可以在需要时透明地使用超过 4GB 的内存。

但是请注意，64 位的速度提升是由于糟糕的 32 位传统 ABI：在 32 位中运行的核心 i7 具有与 1987 年 80386 芯片中相同的 4 个通用寄存器（以及其他几个寄存器）。从 70 年代开始，那些 1:1 映射到 8086 上的寄存器。 64 位 abi 引入了更多（真正的）通用寄存器，这使得它获得了速度增益。否则，64 位代码只会花费两倍的缓存内存，这使得它在其他架构（如 PPC）中实际上比 32 位代码慢。

【参考方案4】：

多年来，我一直在 Linux 上运行 64 位 Python。没问题，它不是越野车。这包括numpy。我不会担心这个。

一个小好处：

Python> sys.maxint
9223372036854775807

但是，我想有人可能会争论这样做是否有任何好处，但一般来说，所有 64 位应用程序都是如此。

在处理大量数据时，您会获得最大的收益。

【参考方案5】：

我想你会通过 SciPy 和 NumPy 获得性能提升，因为当你向处理器添加更多位时，数字处理和计算会得到极大的改进。但我不能确定。

您总是可以并排运行 64 位和 32 位并进行一些比较，我很想知道数字运算方面的测试结果。如果您同时运行两者的相同版本，只要您拥有两者所需的模块，代码就可以在两者上正常运行。

【讨论】：

我做了一个非常短的比较时间it fft(rand(1021))。使用 Python(x,y) 32 位：每个循环 3.37 毫秒。使用 64 位 MKL 版本：每个循环 2.56 毫秒