python - 在Python中运行C扩展的速度比普通C快

我在c中实现了一个python扩展，发现在python中执行c函数比从c main执行c代码快两倍。
但为什么这么快？我希望当从python调用时，纯c的性能与从c调用时完全相同。
这是我的实验：
普通C计算代码（矩阵乘法的简单3）
调用mmult（）函数的纯C主函数
调用mmult（）函数的python扩展包装器
所有的计时都完全在C代码中进行
以下是我的结果：
纯C-85US
python扩展-36us
这是我的代码：
--结果cpp----

#include "mmult.h"

void mmult(int32_t a[1024],int32_t b[1024],int32_t c[1024]) {

  struct timeval t1, t2;
  gettimeofday(&t1, NULL);

  for(int i=0; i<32; i=i+1) {
    for(int j=0; j<32; j=j+1) {
        int32_t result=0;
         for(int k=0; k<32; k=k+1) {
           result+=a[i*32+k]*b[k*32+j];
         }
         c[i*32+j] = result;
      }
  }

  gettimeofday(&t2, NULL);

  double elapsedTime = (t2.tv_usec - t1.tv_usec) + (t2.tv_sec - t1.tv_sec)*1000000;
  printf("elapsed time: %fus\n",elapsedTime);

}

--结果H-------

#include <stdint.h>

void mmult(int32_t a[1024],int32_t b[1024],int32_t c[1024]);

--主CPP------

#include <stdio.h>
#include <stdlib.h>
#include <sys/time.h>
#include "mmult.h"

int main() {
  int* a = (int*)malloc(sizeof(int)*1024);
  int* b = (int*)malloc(sizeof(int)*1024);
  int* c = (int*)malloc(sizeof(int)*1024);

  for(int i=0; i<1024; i++) {
    a[i]=i+1;
    b[i]=i+1;
    c[i]=0;
  }

  struct timeval t1, t2;
  gettimeofday(&t1, NULL);
  mmult(a,b,c);
  gettimeofday(&t2, NULL);

  double elapsedTime = (t2.tv_usec - t1.tv_usec) + (t2.tv_sec - t1.tv_sec)*1000000;
  printf("elapsed time: %fus\n",elapsedTime);
  free(a);
  free(b);
  free(c);

  return 0;
}

以下是我如何编译main：

gcc -o main main.cpp mmult.cpp -O3

--包装器.cpp-----

#include <Python.h>
#include <numpy/arrayobject.h>
#include "mmult.h"

static PyObject* mmult_wrapper(PyObject* self, PyObject* args) {
   int32_t* a;
   PyArrayObject* a_obj = NULL;
   int32_t* b;
   PyArrayObject* b_obj = NULL;
   int32_t* c;
   PyArrayObject* c_obj = NULL;

   int res = PyArg_ParseTuple(args, "OOO", &a_obj, &b_obj, &c_obj);

   if (!res)
      return NULL;

   a = (int32_t*) PyArray_DATA(a_obj);
   b = (int32_t*) PyArray_DATA(b_obj);
   c = (int32_t*) PyArray_DATA(c_obj);

   /* call function */
   mmult(a,b,c);

   Py_RETURN_NONE;
}

/*  define functions in module */
static PyMethodDef TheMethods[] = {
   {"mmult_wrapper", mmult_wrapper, METH_VARARGS, "your c function"},
   {NULL, NULL, 0, NULL}
};

static struct PyModuleDef cModPyDem = {
   PyModuleDef_HEAD_INIT,
   "mmult", "Some documentation",
   -1,
   TheMethods
};

PyMODINIT_FUNC
PyInit_c_module(void) {
   PyObject* retval = PyModule_Create(&cModPyDem);
   import_array();
   return retval;
}

--安装程序.py-----

import os
import numpy
from distutils.core import setup, Extension
cur = os.path.dirname(os.path.realpath(__file__))
c_module = Extension("c_module", sources=["wrapper.cpp","mmult.cpp"],include_dirs=[cur,numpy.get_include()])
setup(ext_modules=[c_module])

--代码.py-----

import c_module
import time
import numpy as np
if __name__ == "__main__":
    a = np.ndarray((32,32),dtype='int32',buffer=np.linspace(1,1024,1024,dtype='int32').reshape(32,32))
    b = np.ndarray((32,32),dtype='int32',buffer=np.linspace(1,1024,1024,dtype='int32').reshape(32,32))
    c = np.ndarray((32,32),dtype='int32',buffer=np.zeros((32,32),dtype='int32'))

    c_module.mmult_wrapper(a,b,c)

下面是我如何编译python扩展：

python3.6 setup_sw.py build_ext --inplace

更新
我更新了mmult.cpp代码，以便在内部运行3for 1000000次迭代。这导致了非常相似的情况：
纯C-27US
python扩展-27us

最佳答案

85微秒的延迟太小，无法可靠地重复测量。例如，CPU cache效果（或context switches或paging）可能支配计算时间（并改变它使该计时无意义）。
（我想您使用的是linux/x86-64）
根据经验，试着让跑步至少持续半秒，并重复基准测试几次。您也可以使用time(1)进行测量。
另请参见time(7)。时间有几个概念（经过的“实时”时间、单调时间、进程CPU时间、线程CPU时间等）。您可以考虑使用clock(3)或clock_gettime(2)来测量时间。
顺便说一句，您可以使用较新版本的GCC（2017年11月，GCC7和几周后的gcc8）编译，并且您希望使用gcc -march=native -O3编译以进行基准测试。也可以尝试其他optimization options和调谐。您也可以尝试其他编译器，例如Clang/LLVM。
还要看this对相关问题的回答（关于并行化）。可能numpy包正在使用（内部）类似的技术（在Python GIL之外），因此可能比c中的简单顺序矩阵乘法代码快。