สมัครเรียนโทร. 085-350-7540 , 084-88-00-255 , ntprintf@gmail.com
การเขียนโปรแกรมไม่เพียงแต่เกี่ยวกับการให้คอมพิวเตอร์ทำงานตามคำสั่งที่เราเขียนไว้ แต่ยังรวมไปถึงการสร้างโค้ดที่ทำงานได้รวดเร็วและมีประสิทธิภาพ แต่หลายครั้งเราอาจพบปัญหาที่โค้ดทำงานช้าลงอย่างไม่คาดคิด วันนี้ เราจะมาพูดถึง 5 สาเหตุหลักที่ทำให้โค้ดทำงานช้า พร้อมตัวอย่างและวิธีการปรับปรุง
1. การวนซ้ำ (Loop) ที่ไม่จำเป็นการใช้งาน loop เช่น for หรือ while อย่างไม่จำเป็นหรือมากเกินความต้องการสามารถทำให้โปรแกรมทำงานช้าลงได้ เพราะทุกครั้งที่ loop ทำงาน มันจะต้องทำการคำนวณหรือทำงานภายใน loop นั้นๆ อีกครั้งหนึ่ง
# ตัวอย่างการใช้ loop อย่างไม่จำเป็น
for i in range(100000):
print(i)
# หากเราต้องการเพียงแค่แสดงค่าท้ายที่สุด
print(99999)
การเลือกใช้ข้อมูลรายการหรือ Data Structure ที่ไม่เหมาะสมต่อการทำงานเป็นอีกหนึ่งปัญหาที่พบบ่อย ตัวอย่างเช่น การใช้ List ในภาษา Python สำหรับการค้นหาข้อมูลที่ถ้าหากใช้ Set หรือ Dictionary แทนจะทำให้ความเร็วในการค้นหาเพิ่มขึ้นเนื่องจากลดความซับซ้อนของขั้นตอนการค้นหาลงมาได้
# การค้นหาใน List ที่ใช้เวลานาน
my_list = [i for i in range(1000000)]
if 999999 in my_list:
print("Found!")
# การค้นหาด้วย Set ที่รวดเร็วกว่า
my_set = set(range(1000000))
if 999999 in my_set:
print("Found!")
หากโปรแกรมทำการคำนวณเดียวกันซ้ำๆ โดยไม่จำเป็น ก็จะใช้เวลาในการทำงานที่เพิ่มขึ้นอีก เทคนิคการเก็บข้อมูลที่คำนวณได้แล้ว (Caching) หรือการใช้ Dynamic Programming เป็นวิธีที่ช่วยลดการทำงานซ้ำในกรณีเช่นนี้
# ตัวอย่างการคำนวณซ้ำ
def fibonacci(n):
if n <= 1:
return n
else:
return fibonacci(n-1) + fibonacci(n-2)
# โดยใช้ caching จะช่วยลดเวลาที่ใช้ในการคำนวณ
fib_cache = {}
def fibonacci_cached(n):
if n in fib_cache:
return fib_cache[n]
if n <= 1:
result = n
else:
result = fibonacci_cached(n-1) + fibonacci_cached(n-2)
fib_cache[n] = result
return result
การอ่านและเขียนข้อมูลจากแหล่งภายนอก เช่น ฐานข้อมูล หรือไฟล์ สามารถส่งผลให้ประสิทธิภาพโปรแกรมลดลงได้เนื่องจากระบบ I/O มักจะช้ากว่าการดำเนินการอื่นๆ เช่นการคำนวณในหน่วยความจำ การจัดเก็บข้อมูลที่ต้องการบ่อยๆ ไว้ในหน่วยความจำช่วยลดความต้องการพึ่งพา I/O ได้
5. การไม่ใช้ Multithreading หรือ Asynchronous Programmingสมัยนี้ คอมพิวเตอร์มีหลายคอร์ การเขียนโค้ดโปรแกรมให้รองรับการทำงานแบบพร้อมกันหลายๆ จุด (Concurrency) สามารถช่วยเพิ่มความเร็วในการทำงานได้ โดยการแบ่งงานออกเป็นส่วนย่อยๆ แลัวใช้การทำงานแบบ Multithreading หรือ Asynchronous Programming
import threading
def print_numbers():
for i in range(1000):
print(i)
# การเรียกใช้งานแบบไม่มี multithreading
print_numbers()
# การเรียกใช้งานด้วย multithreading
t1 = threading.Thread(target=print_numbers)
t1.start()
t1.join() # รอจนกว่า thread จะทำงานเสร็จ
การทำความเข้าใจว่าสิ่งใดทำให้โปรแกรมของคุณทำงานช้าลงเป็นขั้นตอนแรกที่สำคัญในการเพิ่มประสิทธิภาพ และจากข้อมูลที่ได้กล่าวมาข้างต้น ไม่เพียงจะช่วยให้คุณเข้าใจถึงสาเหตุ แต่ยังเป็นจุดเริ่มต้นในการเรียนรู้และการปรับปรุงโค้ดของคุณให้ดียิ่งขึ้น หากคุณสนใจที่จะขุดลึกลงไปในเรื่องการเพิ่มประสิทธิภาพโค้ด การเรียนรู้เทคนิคและรูปแบบการเขียนโปรแกรมที่มีคุณภาพ สถาบัน EPT พร้อมที่จะเป็นส่วนหนึ่งในการเสริมสร้างทักษะการเขียนโปรแกรมของคุณ ให้พร้อมรับมือกับทุกโจทย์และการทำงานในอนาคตได้อย่างมั่นใจ.
หมายเหตุ: ข้อมูลในบทความนี้อาจจะผิด โปรดตรวจสอบความถูกต้องของบทความอีกครั้งหนึ่ง บทความนี้ไม่สามารถนำไปใช้อ้างอิงใด ๆ ได้ ทาง EPT ไม่ขอยืนยันความถูกต้อง และไม่ขอรับผิดชอบต่อความเสียหายใดที่เกิดจากบทความชุดนี้ทั้งทางทรัพย์สิน ร่างกาย หรือจิตใจของผู้อ่านและผู้เกี่ยวข้อง
หากเจอข้อผิดพลาด หรือต้องการพูดคุย ติดต่อได้ที่ https://m.me/expert.Programming.Tutor/
Tag ที่น่าสนใจ: programming code_optimization loop_optimization data_structure redundant_computation i/o_handling multithreading asynchronous_programming python performance_improvement
หากมีข้อผิดพลาด/ต้องการพูดคุยเพิ่มเติมเกี่ยวกับบทความนี้ กรุณาแจ้งที่ http://m.me/Expert.Programming.Tutor
085-350-7540 (DTAC)
084-88-00-255 (AIS)
026-111-618
หรือทาง EMAIL: NTPRINTF@GMAIL.COM
Copyright (c) 2013 expert-programming-tutor.com. All rights reserved. | 085-350-7540 | 084-88-00-255 | ntprintf@gmail.com