pi_riemann_benchmark_linux.py ドキュメント

概要

pi_riemann_benchmark_linux.py は、中点リーマン和を用いた数値積分によって円周率 \(\pi\) の近似値を計算し、異なるPython実装アプローチ間のパフォーマンスを比較するベンチマークスクリプトです。 Pythonの標準的なループや内包表記のほか、外部ライブラリを活用したベクトル化・JITコンパイル・GPUアクセラレーションによる計算速度を測定することができます。

理論的背景

本プログラムは、半径 \(1\) の円の面積の \(4\) 分の \(1\) を求める定積分を数値的に解くことで、円周率 \(\pi\) を近似します。 対象となる定積分は以下の通りです。

\[I = \int_{0}^{1} \sqrt{1 - x^2} \, dx = \frac{\pi}{4}\]

プログラム内では、積分区間 \([0, 1]\) を \(N\) 等分し、各微小な長方形の面積の和を求める「中点リーマン和」アルゴリズムを採用しています。 離散化された近似積分値 \(I_N\) は以下の式で計算されます。

\[I_N = \sum_{i=0}^{N-1} \sqrt{1 - x_i^2} \Delta x\]

ここで、微小幅 \(\Delta x\) および各区間の中点 \(x_i\) は、分割数 \(N\) (コード内の変数 nmax )を用いて次のように定義されます。

\[\Delta x = \frac{1}{N}\]
\[x_i = \left(i + 0.5\right) \Delta x\]

最終的な円周率 \(\pi\) の近似値は、得られた積分値に \(4\) を乗じることで得られます。

\[\pi \approx 4 I_N\]

動作環境・依存パッケージ

本プログラムは、Pythonの標準ライブラリに加えて、任意で追加の数値計算ライブラリを利用します。

  • 標準ライブラリ

    • argparse

    • math

    • statistics

    • time

    • collections.abc

  • 非標準ライブラリ(任意)

    • numpy : ベクトル化された配列演算のベンチマークに使用

    • numba : JITコンパイルによるループ高速化のベンチマークに使用

    • cupy : CUDA対応GPUによる並列計算のベンチマークに使用

※ numpy、numba、cupy はインストールされていなくてもプログラム全体は動作し、利用不可能な手法は自動的にスキップされます。また、cupy を実行する場合はCUDAをサポートするハードウェアおよび環境が必要です。

入出力仕様

本プログラムはコマンドライン引数からパラメータを受け取り、標準出力にベンチマーク結果を出力します。

入力オプション

  • --nmax (整数) 中点サンプルの数 \(N\) を指定します。分割数が大きいほど近似精度は向上しますが、計算の負荷は高まります。デフォルトは 1000000 です。

  • --repeat (整数) 各実装ごとの計算時間計測を繰り返す回数を指定します。デフォルトは 3 です。

  • --methods (文字列リスト) 実行・評価する実装メソッドを指定します。複数指定可能で、デフォルトは all です。選択可能な値は以下の通りです。

    • all : 可能なすべてのメソッドを実行

    • for : 標準のforループを用いた実装

    • generator : ジェネレータ式と組み込みの sum 関数を用いた実装

    • listcomp : リスト内包表記による実装(メモリ割り当てのオーバーヘッドを含む)

    • numpy : numpy を用いた実装

    • numba : numba を用いた実装

    • cupy : cupy を用いた実装

出力仕様

指定された各手法に対して、計算された \(\pi\) の値、真値( math.pi )との絶対誤差、複数回実行した計算時間の「中央値」および「最小値」を出力します。 なお、numba および cupy のコンパイル(ウォームアップ)時間は事前の実行で処理されるため、ベンチマークの計測時間には含まれません。また、外部ライブラリが利用できない手法についてはスキップされた旨が通知されます。

実行例

デフォルトのパラメータ(分割数 \(1000000\) 、繰り返し \(3\) 回、すべてのメソッド実行)でスクリプトを起動する例です。

python3 pi_riemann_benchmark_linux.py

サンプリング数を \(10000000\) に増やし、計測の繰り返しを \(5\) 回に変更し、numpy と numba の手法のみを比較する実行例です。

python3 pi_riemann_benchmark_linux.py --nmax 10000000 --repeat 5 --methods numpy numba