C# vs Java vs Python 性能基准测试：从原理到实战优化指南

1次阅读

没有评论

共计 2559 个字符，预计需要花费 7 分钟才能阅读完成。

在项目初期选择开发语言时，性能往往是开发者最关注的因素之一。C#、Java 和 Python 作为三大主流语言，各自有着不同的性能特点和适用场景。但很多开发者面临的问题是：

缺乏系统性的性能对比数据，难以做出客观决策
性能测试方法不规范，结果不可靠
不清楚如何在特定场景下优化语言性能

为了确保测试结果的可靠性，我们使用以下环境配置：

硬件：Intel i7-10700K @ 3.8GHz, 32GB RAM, SSD
操作系统：Ubuntu 20.04 LTS
语言版本：
C#: .NET 6.0
Java: OpenJDK 17
Python: 3.9 with PyPy 7.3.7

我们设计了以下三类典型场景进行测试：

计算密集型：矩阵乘法、素数计算
IO 密集型：文件读写、网络请求
并发处理：多线程任务处理

执行时间（越低越好）
内存占用（越低越好）
CPU 利用率（越高越好）

// 矩阵乘法基准测试
using System;
using System.Diagnostics;

class MatrixTest {static void Main() {
        int size = 500;
        double[,] a = new double[size, size];
        double[,] b = new double[size, size];
        double[,] result = new double[size, size];

        // 初始化矩阵
        var rand = new Random();
        for(int i=0; i<size; i++) {for(int j=0; j<size; j++) {a[i,j] = rand.NextDouble();
                b[i,j] = rand.NextDouble();}
        }

        var stopwatch = Stopwatch.StartNew();

        // 矩阵乘法核心算法
        for(int i=0; i<size; i++) {for(int j=0; j<size; j++) {
                double sum = 0;
                for(int k=0; k<size; k++) {sum += a[i,k] * b[k,j];
                }
                result[i,j] = sum;
            }
        }

        stopwatch.Stop();
        Console.WriteLine($"执行时间: {stopwatch.ElapsedMilliseconds}ms");
    }
}

// 文件读写基准测试
import java.io.*;
import java.nio.file.*;
import java.util.*;

public class IOTest {public static void main(String[] args) throws IOException {Path filePath = Paths.get("test_file.txt");

        // 写入测试
        long start = System.currentTimeMillis();
        try (BufferedWriter writer = Files.newBufferedWriter(filePath)) {for (int i = 0; i < 100000; i++) {writer.write("This is a test line" + i + "\n");
            }
        }

        // 读取测试
        try (BufferedReader reader = Files.newBufferedReader(filePath)) {
            String line;
            while ((line = reader.readLine()) != null) {// 模拟处理}
        }

        long end = System.currentTimeMillis();
        System.out.println("执行时间:" + (end - start) + "ms");
        Files.delete(filePath);
    }
}

# 多线程基准测试
import threading
import time

def worker(num):
    """模拟 CPU 密集型任务"""
    result = 0
    for i in range(num, num+1000000):
        result += i
    return result

if __name__ == "__main__":
    start_time = time.time()
    threads = []

    # 创建并启动 10 个线程
    for i in range(10):
        t = threading.Thread(target=worker, args=(i*1000000,))
        threads.append(t)
        t.start()

    # 等待所有线程完成
    for t in threads:
        t.join()

    end_time = time.time()
    print(f"执行时间: {end_time - start_time:.2f} 秒")

我们进行了多次测试，取平均值得到以下结果（单位：毫秒，越低越好）：