
轮式筛法通过跳过已知合数模态来减少候选数,但实验表明:从30轮(8个余数)升级到210轮(48个余数)几乎不提升速度,根本原因在于优化仅作用于“找质数”的次要环节,而耗时主干——标记合数的内存写操作——完全未被加速。
轮式筛法通过跳过已知合数模态来减少候选数,但实验表明:从30轮(8个余数)升级到210轮(48个余数)几乎不提升速度,根本原因在于优化仅作用于“找质数”的次要环节,而耗时主干——标记合数的内存写操作——完全未被加速。
在素数筛法中,“轮子(wheel)”是一种基于模运算的预筛选技术:它利用前若干小质数(如 2, 3, 5 或 2, 3, 5, 7)的乘积作为周期(即 wheel base),只在与该乘积互质的剩余类中检查数字是否为质数。例如:
- 30-轮(2×3×5):仅检查模 30 余 {1, 7, 11, 13, 17, 19, 23, 29} 的数 → 每30个数考察8个,密度 ≈ 26.7%;
- 210-轮(2×3×5×7):仅检查模 210 余 48 个互质数 → 密度 ≈ 22.9%,理论候选数减少约 14.3%。
表面上看,更大的轮子显著压缩了需遍历的整数空间,理应带来可观加速。但你的实测结果(prime_wheel_sieve 与 prime_wheel_sieve4_1 在百万量级输入下性能差异 轮子优化并未触及算法的时间主导项(time-dominating operation)。
我们来分解轮式埃氏筛的核心步骤(以 n = 10⁶ 为例):
# 关键三步(伪代码)
1. 初始化布尔数组 primes[0..n] = True # O(n) 内存分配(一次性)
2. 标记小质数的倍数(如 4,9,25,49...) # O(1) 固定开销
3. 遍历候选 k(按 wheel 步进),若 primes[k] 为 True:
→ 标记其平方起的所有倍数:primes[k² :: 2*k] = False # 主要开销!其中,第 3 步的 primes[k² :: 2*k] = False 是绝对性能瓶颈——它触发大量连续内存写入,且每次标记的合数数量巨大(例如 k=1009 时,需标记约 500 个位置)。这部分工作量由质数分布本身决定:对每个 ≤√n 的质数 k,必须清除其所有 ≥k² 的倍数。轮子大小对此毫无影响:无论你用 30 轮还是 210 轮,只要最终识别出相同的质数集合 {k ≤ √n | k 是质数},后续的标记操作就完全一致。
而轮子真正优化的,只是第 3 步中“识别质数 k”的过程:
- 30-轮:每 30 数检查 8 次
primes[k]; - 210-轮:每 210 数检查 48 次
primes[k]; → 候选数减少 14.3%,但primes[k]是 O(1) 的数组查表,现代 CPU 缓存友好,本身仅占总执行时间的 (尤其在n ≥ 10⁵时)。
更关键的是,更大的轮子引入了新成本:
- 轮子数组更大:48 元素 vs 8 元素,增加指令缓存压力;
-
索引更新开销略增:
i = (i + 1) % 48比% 8多一次除法(尽管 Numba 可能优化,但非零成本); - 初始化与边界处理更复杂:需额外排除 7 的倍数(如 49, 77…),增加常数项。
因此,理论上的“搜索空间缩减”在实践中被淹没在内存带宽瓶颈和固定开销中。这正是算法设计中的经典陷阱:过度优化非瓶颈路径,却忽视阿姆达尔定律(Amdahl's Law)——加速比受限于可并行/可优化部分所占比例。
✅ 实践建议:
- 对中小规模(n
- 若追求极致性能,应转向线性筛(欧拉筛)——它将时间复杂度严格降至 O(n),且避免重复标记;
- 或采用分段筛(segmented sieve)+ SIMD 向量化,真正突破内存墙。
轮子是精巧的“减法艺术”,但筛法的性能天花板,终究由内存访问模式与硬件特性共同定义。


















