Skip to content

README.ja.md

Latest commit

 

History

History
160 lines (106 loc) · 5.38 KB

README.ja.md

File metadata and controls

160 lines (106 loc) · 5.38 KB
Raw

Python から C++ 実装の Fibonacci を呼び出す

English | 中文 | 日本語 | Français | Deutsch

このプロジェクトは、Fibonacci 計算を C++ で実装し、Python のネイティブ拡張モジュールとして呼び出す方法を示します。

ビルド後は、Python から次のように使用できます。

import fibonacci_cpp

print(fibonacci_cpp.fibonacci(10))  # 55

デモ画像

必要環境

  • Python 3.x
  • CMake 3.18 以降
  • MinGW、MSVC、Clang などの C++17 コンパイラ

必要なコマンドを確認します。

python --version
cmake --version
g++ --version

Python 拡張モジュールは、ビルド時と実行時で同じ Python バージョンを使う必要があります。このプロジェクトの CMake 設定は、現在のコマンドライン PATH にある python を優先するため、cmake --build build で生成されたモジュールを python main.py から直接インポートできます。

特定の Python インタープリターを指定する場合は、次のように設定します。

cmake -S . -B build -DPython_EXECUTABLE="C:\Users\YourName\miniconda3\python.exe"

ビルド

プロジェクトのルートディレクトリで実行します。

cmake -S . -B build
cmake --build build

ビルドが成功すると、build ディレクトリに次のようなファイルが生成されます。

fibonacci_cpp.cp313-win_amd64.pyd

ファイル名の Python バージョンタグは環境によって異なります。たとえば cp313 は CPython 3.13 を表します。

中心となる CMake 設定は次のとおりです。

find_package(Python REQUIRED COMPONENTS Interpreter Development.Module)

add_library(fibonacci_cpp MODULE
    src/fibonacci.cpp
)

target_link_libraries(fibonacci_cpp PRIVATE Python::Module)

生成されるモジュール名は fibonacci_cpp なので、Python では import fibonacci_cpp として読み込みます。

使い方

src/fibonacci.cpp は Python C API を使って次の関数を公開しています。

fibonacci_cpp.fibonacci(n)

注意点:

  • n は 0 以上の整数である必要があります。
  • 戻り値は Python の int なので、大きな整数にも対応できます。
  • C++ 側では現在 n を unsigned long long として解析しているため、受け付ける最大インデックスは 18446744073709551615 です。実際に計算できる大きさはメモリと実行時間にも依存します。

デモを実行します。

python main.py

より大きなベンチマークを実行します。

python main.py 1000000

Wall Time ベンチマーク

main.py は次の 2 つを行います。

  • fibonacci_cpp.fibonacci(0) から fibonacci_cpp.fibonacci(10) までの小さな例を表示します。
  • 同じ大きな n に対して、純粋な Python 実装と C++ 拡張の Wall Time を比較します。

デフォルトのベンチマーク:

python main.py

実行例:

Benchmark n = 100,000
Result decimal digits : 20,899
Python Wall Time     : 0.052376 s
C++ Wall Time        : 0.000816 s
Speedup              : 64.18x

n = 1000000 の場合:

python main.py 1000000

実行例:

Benchmark n = 1,000,000
Result decimal digits : 208,988
Python Wall Time     : 4.540529 s
C++ Wall Time        : 0.033997 s
Speedup              : 133.56x

Wall Time はマシン、Python バージョン、コンパイラ、バックグラウンド負荷によって変わります。これらの数値は参考値です。より厳密に測定する場合は、複数回実行して平均を取るか、pyperf などの専用ツールを使ってください。

ここで C++ が有利な理由

C++ 拡張は、計算量の多いホットパスに向いています。このプロジェクトでは次の点が効いています。

  • Python 版は単純なループなので、各ステップで Python バイトコードの実行と変数束縛が発生します。
  • C++ 拡張は重い計算部分をコンパイル済みモジュールへ移し、Python レベルのループオーバーヘッドを減らします。
  • C++ 実装は高速倍加法を使い、通常の O(n) 反復ではなく、およそ O(log n) 回の大整数演算で Fibonacci を計算します。
  • Python は呼び出し口と表示を担当し、C++ は重い計算を担当します。

すべての Python コードを C++ に移せば速くなるわけではありません。言語間呼び出しにもコストがあるため、この方法は計算量が多く、呼び出し回数が制御でき、ロジックが比較的安定している部分に向いています。

学習リソース