WinRT开发语言的功能和效率

WinRT开发有着多种选择性，就编程语言这一点就表现的很突出；这里就这一点 深入展开，探讨在WinRT开发之初如何依据各 个编程语言的特性、功能和效率来对 产品的技术方向做出选择。
这里我选择运行计算复杂度较高的算法作为测试方法，虽然不能代表全部，但 是很大程度上展示大家平时开发过程中所面临的常见场景 和问题。考虑到演示和 理解，就选择了查找100000以内的所有素数的个数的算法作为演示。另外也顺带演 示如何在WinRT下实现多编程语言和技 术之间的协作吧。
关于基本知识和算法吧详细的说明，请自行搜索各大引擎吧（关键 词：prime、素数），这里我就列举在各个语言下我的简单实现吧，其中包括使用 普通算法和并 行计算的两个版本。

第一部分，从目前.NET主流来看吧，以C# 为例，普通版本，这个没什么多说的，就是从前往后看某个数是不是素数：

1. private static int
   
2. CountingInternal(int n)
   
3. {
   
4.      var numprimes = 1;
   
5.      for (var i = 3; i <= n; i += 2)
   
6.      {
   
7.          var isPrime = true;
   
8.          var limit = Math.Ceiling(Math.Sqrt(i)) + 1;
   
9.          for (var j = 3; j < limit; j += 2)
   
10.          {
    
11.              if (i%j == 0)
    
12.              {
    
13.                  isPrime = false;
    
14.                  break;
    
15.              }
    
16.          }
    
17.          if (isPrime)
    
18.          {
    
19.              numprimes++;
    
20.          }
    
21.      }
    
22.      return numprimes;
    
23. }

复制代码

并行版本稍微复杂一点点，选择Parallel.For来并行执行一个从1至n/2的并行 循环（我这里偷懒了一下，没有处理奇 偶数的情况，因为我的调用时传入的都是 偶数），发现是素数，使用Interlocked辅助方法给计数增加1。

1. private static int
   
2. CountingParallel(int n)
   
3. {
   
4.      var numprimes = 1;
   
5.      Parallel.For(1, n/2, i =>
   
6.      {
   
7.          if (IsPrime(i*2 + 1))
   
8.          {
   
9.               Interlocked.Increment(ref numprimes);
   
10.          }
    
11.      });
    
12.      return numprimes;
    
13. }
    
14. 
    
15. public static bool IsPrime(int n)
    
16. {
    
17.      if (n%2 == 0)
    
18.          return false;
    
19.      var limit = (int) (Math.Ceiling(Math.Sqrt(n)) + 1);
    
20.      for (var i = 3; i < limit; i += 2)
    
21.      {
    
22.          if (n%i == 0)
    
23.          {
    
24.              return false;
    
25.          }
    
26.      }
    
27.      return true;
    
28. }

复制代码

第一种场景，直接嵌入算法到C# WinRT App工程，执行结果如下（单位毫 秒）：

执行次数	1（启动）	2	3	4	5
普通	14.0299	9.0005	9.1825	8.0021	11.0181
并行	6.0008	2.0004	2.9993	2.0014	3.999

第二种场景，将C#算法包装在一个类库里（注意 是CLR类库，只能在C#/VB直接通用），在C# WinRT App工程中调用这个类库，执行 结果如下（单位毫秒）：

执行次数	1（启动）	2	3	4	5
普通	12.0299	9.0019	10.003	9.0014	9.00017
并行	6.0008	2	3.0003	2.9997	1.9995

第三种场景，将C#算法包装到一个Windows Runtime Component（WRC）中，在C# WinRT App工程中调用这个WRC类库，执行结 果如下（单位毫秒）：

执行次数	1（启动）	2	3	4	5
普通	11.9904	9.0032	9	9。0028	9.00149
并行	6.0008	1.9817	1.9985	1.9993	2

第四种场景，将C#算法包装到一个Windows Runtime Component（WRC）中，在WinJS App工程中调用这个WRC类库，执行结果如 下（单位毫秒）：

执行次数	1（启动）	2	3	4	5
普通	11	9	8	9	8
并行	4	1	1	3	2

小结：以上是从.NET角度来进行的比较，很容易 看出第一次CLR加载在这里性能损耗表现的很明显，完成加载之后性能将稳定在一 定范 围内波动；另外，并行计算在纯算法的应用中有很明显的性能优势。

第二部分，接下来我们回归Native环境，这里我 依然使用普通和并行计算两种来尝试，普通的依然没什么可说的（实际上和C#的没 区 别，除了关键字不一样）。

1. static int CountingInternal(int n)
   
2. {
   
3.      auto numprimes = 1;
   
4.      for (auto i = 3; i <= n; i += 2)
   
5.      {
   
6.          auto isPrime = true;
   
7.          auto limit = ceil(sqrt(i)) + 1;
   
8. 
   
9.          for (auto j = 3; j < limit; j += 2)
   
10.          {
    
11.              if (i%j == 0)
    
12.              {
    
13.                  isPrime = false;
    
14.                  break;
    
15.              }
    
16.          }
    
17. 
    
18.          if (isPrime)
    
19.          {
    
20.              numprimes++;
    
21.          }
    
22.      }
    
23.      return numprimes;
    
24. }

复制代码

并行版本，需要注意的是C++ lambda的传值 和作用域问题，其他的和C#的没区别：

1. static bool IsPrime(int n)
   
2. {
   
3.      if (n%2 == 0)
   
4.          return false;
   
5.      auto limit = (int) (ceil(sqrt(n)) + 1);
   
6.      for(auto i=3; i<limit; i+=2)
   
7.      {
   
8.          if(n%i == 0)
   
9.          {
   
10.              return false;
    
11.          }
    
12.      }
    
13.      return true;
    
14. }
    
15. 
    
16. static int CountingParallel(int n)
    
17. {
    
18.      auto numprimes = 1;
    
19.      parallel_for(1, n/2, [&amp;](int i)
    
20.      {
    
21.          if(IsPrime(i*2+1))
    
22.          {
    
23.              InterlockedIncrement((volatile unsigned long*)&amp;numprimes);
    
24.          }
    
25.      });
    
26.      return numprimes;
    
27. }

复制代码

第一种场景，直接将C++算法放到C++ WinRT App 中使用，执行结果如下（单位毫秒）：

执行次数	1（启动）	2	3	4	5
普通	8.0019	7.9991	8.0209	8.9843	8.0181
并行	1.9794	1.998	1.9994	1.984	2.0003

第二种场景，将C++算法包装在DLL中，在C++ WinRT App中使用，执行结果如下（单位毫秒）：

执行次数	1（启动）	2	3	4	5
普通	9	9	9	8	9
并行	3	2	3	2	2

第三种场景，将C++算法包装在动态连接库Dll中，在C# WinRT App中通过 PInvoke来调用，执行结果如下（单位毫秒）：

执行次数	1（启动）	2	3	4	5
普通	9	9	8	9	9
并行	3	2	3	2	3

第四种场景，将C++算法包装在静态链接库Lib中，在C++ WinRT App中调用，执 行结果如下（单位毫秒）：

执行次数	1（启动）	2	3	4	5
普通	8	8	8	9	9
并行	2	3	3	2	3

第五种场景，将C++算法包装在Windows Runtime Component（WRC）中，在C# WinRT App中调用，执行结果如下（单位毫秒）：

执行次数	1（启动）	2	3	4	5
普通	8.0014	8.0191	8.0293	8.0019	9.0291
并行	1.9994	1.9999	1.998	1.9994	2.99982

第六种场景，将Windows Runtime Component（WRC）中，在WinJS App中调用， 执行结果如下（单位毫秒）：

执行次数	1（启动）	2	3	4	5
普通	9	8	9	8	8
并行	2	2	3	2	3

第七种场景是将C++算法包装在Windows Runtime Library（WRL，基于COM的底 层开发）中，然后在任何一种WinRT App中调用，可以预见这是一种很强大的方 式，但同时也是最费解的一种方式，我成功的包装了普通算法的COM版，但是尝试 了很长时间不能成功实现并行运算 的版本，也就放弃在这里展示了，如果你知道 如何在WRL中实现并行计算并返回 IAsyncOperation<T>，请不吝赐教。　
小结：基于C++的实现在适用性、稳定性和执行效率上无可挑剔，如果对于所有 细节（包括第一次启动）的效率考虑，C++是优先 的；如果考虑到C++的复杂度， 如果项目对性能要求可以适当放松但对进度要求很高的时候，选择CLR会比较容易 控制的；如果原来已有的Web项目 向WinRT迁移，那么前段展示则可以考虑使用 WinJS+HTML来实现，后台算法根据需要选择C++或者CLR。

第三部分，如果所有的算法全部运行在 JavaScript中，那么其性能如何呢？这里我先买个关子，留待你自己去探究和发 掘。

总结，WinRT在编程语言的选择性上有着非常好的 灵活性，在做选择的时候需要充分考虑自己的要求，比如性能、比如工期、比如经 验等 等。对于全新项目，在有经验的情况下，追求极致性能的首先首当其冲是 C++，如果考虑到经验和掌控，可以选择使用C++做底层，选择相对容易上手 的 C#/VB或者HTML+JS做界面的方法；如果项目工期要求很紧，或者从老系统迁移，那 么这时候更多的考虑是使用已有资源，直到性能瓶颈的时 候才采取措 施——以C++重写性能瓶颈来解决，当然，如果没有C++经验，也可以考 虑使用C#/VB来 实现WRC以包装核心逻辑，从而提升运行效率。

附以上测试源代码和测试工程，点击这里下载。