WinRT开发有着多种选择性，就编程语言这一点就表现的很突出；这里就这一点深入展开，探讨在WinRT开发之初如何依据各个编程语言的特性、功能和效率来对产品的技术方向做出选择。

这里我选择运行计算复杂度较高的算法作为测试方法，虽然不能代表全部，但是很大程度上展示大家平时开发过程中所面临的常见场景和问题。考虑到演示和理解，就选择了查找100000以内的所有素数的个数的算法作为演示。另外也顺带演示如何在WinRT下实现多编程语言和技术之间的协作吧。

关于基本知识和算法吧详细的说明，请自行搜索各大引擎吧（关键词：prime、素数），这里我就列举在各个语言下我的简单实现吧，其中包括使用普通算法和并行计算的两个版本。

第一部分，从目前.NET主流来看吧，以C#为例，普通版本，这个没什么多说的，就是从前往后看某个数是不是素数：

private static int CountingInternal(int n)
{
    var numprimes = 1;
    for (var i = 3; i <= n; i += 2)
    {
        var isPrime = true;
        var limit = Math.Ceiling(Math.Sqrt(i)) + 1;
        for (var j = 3; j < limit; j += 2)
        {
            if (i%j == 0)
            {
                isPrime = false;
                break;
            }
        }
        if (isPrime)
        {
            numprimes++;
        }
    }
    return numprimes;
}

并行版本稍微复杂一点点，选择Parallel.For来并行执行一个从1至n/2的并行循环（我这里偷懒了一下，没有处理奇偶数的情况，因为我的调用时传入的都是偶数），发现是素数，使用Interlocked辅助方法给计数增加1。

private static int CountingParallel(int n)
{
    var numprimes = 1;
    Parallel.For(1, n/2, i =>
    {
        if (IsPrime(i*2 + 1))
        {
             Interlocked.Increment(ref numprimes);
        }
    });
    return numprimes;
}

public static bool IsPrime(int n)
{
    if (n%2 == 0)
        return false;
    var limit = (int) (Math.Ceiling(Math.Sqrt(n)) + 1);
    for (var i = 3; i < limit; i += 2)
    {
        if (n%i == 0)
        {
            return false;
        }
    }
    return true;
}

第一种场景，直接嵌入算法到C# WinRT App工程，执行结果如下（单位毫秒）：

第二种场景，将C#算法包装在一个类库里（注意是CLR类库，只能在C#/VB直接通用），在C# WinRT App工程中调用这个类库，执行结果如下（单位毫秒）：

第三种场景，将C#算法包装到一个Windows Runtime Component（WRC）中，在C# WinRT App工程中调用这个WRC类库，执行结果如下（单位毫秒）：

第四种场景，将C#算法包装到一个Windows Runtime Component（WRC）中，在WinJS App工程中调用这个WRC类库，执行结果如下（单位毫秒）：

小结：以上是从.NET角度来进行的比较，很容易看出第一次CLR加载在这里性能损耗表现的很明显，完成加载之后性能将稳定在一定范围内波动；另外，并行计算在纯算法的应用中有很明显的性能优势。

第二部分，接下来我们回归Native环境，这里我依然使用普通和并行计算两种来尝试，普通的依然没什么可说的（实际上和C#的没区别，除了关键字不一样）。

static int CountingInternal(int n)
{
	auto numprimes = 1;
	for (auto i = 3; i <= n; i += 2)
	{
		auto isPrime = true;
		auto limit = ceil(sqrt(i)) + 1;

		for (auto j = 3; j < limit; j += 2)
		{
			if (i%j == 0)
			{
				isPrime = false;
				break;
			}
		}

		if (isPrime)
		{
			numprimes++;
		}
	}
	return numprimes;
}

并行版本，需要注意的是C++ lambda的传值和作用域问题，其他的和C#的没区别：

static bool IsPrime(int n)
{
	if (n%2 == 0)
		return false;
	auto limit = (int) (ceil(sqrt(n)) + 1);
	for(auto i=3; i<limit; i+=2)
	{
		if(n%i == 0)
		{
			return false;
		}
	}
	return true;
}

static int CountingParallel(int n)
{
	auto numprimes = 1;
	parallel_for(1, n/2, [&](int i)
	{
		if(IsPrime(i*2+1))
		{
			InterlockedIncrement((volatile unsigned long*)&numprimes);
		}
	});
	return numprimes;
}

第一种场景，直接将C++算法放到C++ WinRT App中使用，执行结果如下（单位毫秒）：

第二种场景，将C++算法包装在DLL中，在C++ WinRT App中使用，执行结果如下（单位毫秒）：

第三种场景，将C++算法包装在动态连接库Dll中，在C# WinRT App中通过PInvoke来调用，执行结果如下（单位毫秒）：

第四种场景，将C++算法包装在静态链接库Lib中，在C++ WinRT App中调用，执行结果如下（单位毫秒）：

第五种场景，将C++算法包装在Windows Runtime Component（WRC）中，在C# WinRT App中调用，执行结果如下（单位毫秒）：

第六种场景，将Windows Runtime Component（WRC）中，在WinJS App中调用，执行结果如下（单位毫秒）：

第七种场景是将C++算法包装在Windows Runtime Library（WRL，基于COM的底层开发）中，然后在任何一种WinRT App中调用，可以预见这是一种很强大的方式，但同时也是最费解的一种方式，我成功的包装了普通算法的COM版，但是尝试了很长时间不能成功实现并行运算的版本，也就放弃在这里展示了，如果你知道如何在WRL中实现并行计算并返回IAsyncOperation<T>，请不吝赐教。　

小结：基于C++的实现在适用性、稳定性和执行效率上无可挑剔，如果对于所有细节（包括第一次启动）的效率考虑，C++是优先的；如果考虑到C++的复杂度，如果项目对性能要求可以适当放松但对进度要求很高的时候，选择CLR会比较容易控制的；如果原来已有的Web项目向WinRT迁移，那么前段展示则可以考虑使用WinJS+HTML来实现，后台算法根据需要选择C++或者CLR。

第三部分，如果所有的算法全部运行在JavaScript中，那么其性能如何呢？这里我先买个关子，留待你自己去探究和发掘。

总结，WinRT在编程语言的选择性上有着非常好的灵活性，在做选择的时候需要充分考虑自己的要求，比如性能、比如工期、比如经验等等。对于全新项目，在有经验的情况下，追求极致性能的首先首当其冲是C++，如果考虑到经验和掌控，可以选择使用C++做底层，选择相对容易上手的C#/VB或者HTML+JS做界面的方法；如果项目工期要求很紧，或者从老系统迁移，那么这时候更多的考虑是使用已有资源，直到性能瓶颈的时候才采取措施——以C++重写性能瓶颈来解决，当然，如果没有C++经验，也可以考虑使用C#/VB来实现WRC以包装核心逻辑，从而提升运行效率。

附以上测试源代码和测试工程，点击这里下载。

* 本文在葡萄城控件技术团队博客同时发布