Pemrograman berorientasi objek vs berbasis vektor

Saya terpecah antara berorientasi objek dan desain berbasis vektor. Saya suka kemampuan, struktur, dan keamanan yang diberikan benda-benda ke seluruh arsitektur. Tetapi pada saat yang sama, kecepatan sangat penting bagi saya, dan memiliki variabel float sederhana dalam array sangat membantu dalam bahasa berbasis vektor / perpustakaan seperti Matlab atau numpy in Python.

Ini adalah sepotong kode yang saya tulis untuk mengilustrasikan poin saya

Masalah: Menambahkan angka volatilitas Tow. Jika x dan y adalah dua angka volatilitas, jumlah volatilitasnya adalah (x ^ 2 + y ^ 2) ^ 0,5 (dengan asumsi kondisi matematika tertentu tetapi itu tidak penting di sini).

Saya ingin melakukan operasi ini dengan sangat cepat, dan pada saat yang sama saya perlu memastikan bahwa orang tidak hanya menambahkan volatilitas dengan cara yang salah (x + y). Keduanya penting.

Desain berbasis OO akan seperti ini:

from datetime import datetime 
from pandas import *

class Volatility:
    def __init__(self,value):
       self.value = value

    def __str__(self):
       return "Volatility: "+ str(self.value)

    def __add__(self,other):
        return Volatility(pow(self.value*self.value + other.value*other.value, 0.5))

(Selain: Bagi mereka yang baru mengenal Python, __add__hanyalah fungsi yang menimpa +operator)

Katakanlah saya menambahkan daftar deretan nilai volatilitas

n = 1000000
vs1 = Series(map(lambda x: Volatility(2*x-1.0), range(0,n)))
vs2 = Series(map(lambda x: Volatility(2*x+1.0), range(0,n))) 

(Selain: Sekali lagi, Seri dalam Python adalah semacam daftar dengan indeks) Sekarang saya ingin menambahkan keduanya:

t1 = datetime.now()
vs3 = vs1 + vs2
t2 = datetime.now()
print t2-t1

Hanya penambahan berjalan dalam 3,8 detik pada mesin saya, hasil yang saya berikan tidak termasuk waktu inisialisasi objek sama sekali, itu hanya kode penambahan yang telah diatur waktunya. Jika saya menjalankan hal yang sama menggunakan numpy array:

nv1 = Series(map(lambda x: 2.0*x-1.0, range(0,n)))
nv2 = Series(map(lambda x: 2.0*x+1.0, range(0,n)))

t3 = datetime.now()
nv3 = numpy.sqrt((nv1*nv1+nv2*nv2))
t4 = datetime.now()
print t4-t3

Ini berjalan dalam 0,03 detik. Itu lebih dari 100 kali lebih cepat!

Seperti yang Anda lihat, cara OOP memberi saya banyak keamanan sehingga orang tidak akan menambahkan Volatilitas dengan cara yang salah, tetapi metode vektor sangat cepat gila! Apakah ada desain di mana saya bisa mendapatkan keduanya? Saya yakin banyak dari Anda telah mengalami pilihan desain yang serupa, bagaimana Anda mengatasinya?

Pilihan bahasa di sini tidak penting. Saya tahu banyak dari Anda akan menyarankan agar menggunakan C ++ atau Java, dan kode dapat berjalan lebih cepat daripada bahasa berbasis vektor. Tapi bukan itu intinya. Saya perlu menggunakan Python, karena saya memiliki sejumlah perpustakaan yang tidak tersedia dalam bahasa lain. Itu kendala saya. Saya perlu mengoptimalkan di dalamnya.

Dan saya tahu, bahwa banyak orang akan menyarankan paralelisasi, gpgpu dll. Tetapi saya ingin memaksimalkan kinerja single core terlebih dahulu, dan kemudian saya dapat memparalelkan kedua versi kode.

Terima kasih sebelumnya!

Seperti yang Anda lihat, cara OOP memberi saya banyak keamanan sehingga orang tidak akan menambahkan Volatilitas dengan cara yang salah, tetapi metode vektor sangat cepat gila! Apakah ada desain di mana saya bisa mendapatkan keduanya? Saya yakin banyak dari Anda telah mengalami pilihan desain yang serupa, bagaimana Anda mengatasinya?

Desain benda yang lebih besar. Sebuah Pixelobjek tidak memiliki ruang bernapas untuk loop paralel atau transformasi gambar GPU atau semacamnya. Dan Imageasalkan tidak harus melalui penghalang Pixelobjek kecil untuk mendapatkan data.

Ini adalah salah satu bidang di mana tidak mungkin untuk memberikan jawaban yang pasti, karena menyangkut pertukaran. Seperti yang Anda ketahui, baik OO, maupun berbasis vektor selalu unggul, tetapi semuanya tergantung pada bagaimana perangkat lunak akan digunakan.

Anda bisa mencoba untuk menggabungkan yang terbaik dari keduanya dan membuat Volatilityobjek dan VolatilitySeriesobjek, di mana yang kedua secara konseptual mewakili serangkaian objek Volatilitas, tetapi secara internal menggunakan metode penyimpanan yang jauh lebih cocok untuk vectorisasi perhitungan (struktur array) . Maka Anda hanya perlu mendidik pengguna Anda bahwa menggunakan VolatilitySeriesjauh lebih disukai Series(Volatility).