之前用Python写了个量化回测平台，最一开始直接用list储存行情信息，然后考虑到回测周期长了以后大量行情会比较占用内存，帅帅就从list继承出了一个FIFOList，指定一个长度，在超过这个长度后，每次append都会把第一个元素删掉，以保证内存占用保持在较小规模。一开始没觉得有什么，后来跑了一下，5分钟的K线，四五个月的行情回测花了十几秒，但并没有涉及特别复杂的算法。花了点时间排查，发现大量的时间都花在FIFOList上了，于是用Cython重写了一个List类，通过循环移动Cursor来实现，不涉及元素加入和删除的工作，用这个替换FIFOList以后回测相同的数据只用了2秒。虽然这个时间还是太长，但是改进是可观的。经过讨论认为这可能是Python语言的极限了。很惊讶List的操作占用的时间会如此夸张。Python的List，对其尾部元素的添加和删除操作占用的时间都是O(1)，但是对首元素操作则要占用O(n),n是列表长度。因为要一次移动后面的元素。虽然知道这个，可是真的想不到如此简单常见的列表操作会成为性能瓶颈。

最近又学习用Haskell写回测，在计算完每一期的收益后就用++添加到列表的最后，最后形成一个收益序列。这个版本的程序要算半个小时（汗）。检查代码的时候发现这个梗，就改成了在列表首部添加，最后reverse，整个程序瞬间就计算完了。Haskell的列表结构是head:tail形式的，因此在首部添加是效率最高的，相反往尾部添加则需要复杂的展开和移动，尤其是数据量大了以后这个操作的耗时是不能忍受的。

一个微不足道的小问题，从来没当回事，却成为性能的瓶颈。在此记录，引以为戒。