Ich habe für die Codebeispiele bewusst Fortran 90 gewählt, weil das während meines Studiums die brandneue Version war und es eigentlich schon alles hatte, was modernes Fortran (aktuell ist Fortran 2023) ausmacht. FORTRAN-77 war dagegen eine Qual, alles großgeschrieben und immer schön die ersten 7 Spalten freilassen, damit die Lochkartensortiermaschine nicht durcheinanderkommt. Ich hab nicht gesagt, dass früher alles besser war!
Bis auf einige syntaktische Eigenheiten sieht der Code eigentlich recht elegant aus.
program harmonics_plot
implicit none
integer, parameter :: dp = selected_real_kind(15, 307)
real(dp), parameter :: pi = 3.14159265358979323846_dp
integer, parameter :: steps = 400
integer :: i
real(dp) :: x, y1, y3, y5, y_sum
open(unit=20, file='harmonics.dat', status='replace', action='write')
write(20, '(A)') '# x sin(x) 1/3*sin(3x) 1/5*sin(5x) Summe'
do i = 0, steps
x = 2.0_dp * pi * real(i, dp) / real(steps, dp)
y1 = sin(x)
y3 = (1.0_dp / 3.0_dp) * sin(3.0_dp * x)
y5 = (1.0_dp / 5.0_dp) * sin(5.0_dp * x)
y_sum = y1 + y3 + y5
write(20, '(5(F14.6, 2X))') x, y1, y3, y5, y_sum
end do
close(20)
print *, "Datensatz 'harmonics.dat' erfolgreich geschrieben."
end program harmonics_plotDie eigentliche Simulationsschleife kommt ohne irgendwelche Imports aus. Auch Matrizenoperationen und komplexe Zahlen werden nativ von der Sprache unterstützt. Die Deklaration der Variablen und die Formatanweisungen sind dagegen etwas gewöhnungsbedürftig. Wer sich damit abfinden kann, wird aber belohnt: Kompilieren und Ausführen ist nicht merklich langsamer als das Starten eines Skripts.
Benchmark-Vergleich
| Metrik | Python | Fortran + Gnuplot |
|---|---|---|
| Speicherbedarf / Footprint | 753 MB .venv |
1,3 KB (+ 1,7 MB für Gnuplot) |
| Laufzeit (400 Schritte) | ca. 0,038 s | ca. 0,085 s (inkl. Kompilierung) |
| Laufzeit (500.000 Schritte) | ca. 1,236 s | ca. 0,892 s |
SIMD
Wenn wir über Rechenleistung bei numerischen Schleifen sprechen, fällt zwangsläufig der Begriff SIMD (Single Instruction, Multiple Data). Moderne Prozessoren besitzen spezielle Befehlssatzerweiterungen (wie AVX2 oder AVX-512), die ein genial einfaches Prinzip nutzen: Statt in jedem Taktzyklus eine einzige Rechenoperation auszuführen, lädt die CPU einen ganzen Block von Daten (Vektor) in ein breites Spezialregister und wendet den Befehl auf alle Werte gleichzeitig in einem einzigen Takt an.
Eine klassische for-Schleife in Python wertet in jedem Durchlauf den Bytecode aus, prüft Typen und stolpert über den Interpreter-Overhead. An automatische Vektorisierung auf Hardware-Ebene ist für den reinen Python-Interpreter nicht zu denken.
Ein moderner Fortran-Compiler dagegen analysiert die Schleife bei der Übersetzung (-O3), erkennt die statischen Datentypen sowie das kontinuierliche Speicherlayout und generiert Maschinencode, der die SIMD-Register der CPU direkt nutzt.
Wenn Python bei Data-Science-Aufgaben mit NumPy so schnell ist, liegt das im Wesentlichen daran, dass Python die rechenintensive Schleife auslagert, und zwar an optimierte Bibliotheken, die in C oder eben Fortran geschrieben sind.
In Ermangelung an schicken Plotting Libraries gibt mein Programm nur die Zahlen aus und überlässt das Malen nach Zahlen dem bewährten Gnuplot .
set terminal svg size 850, 500 enhanced font "DejaVu Sans,10"
set output "harmonics_plot.svg"
# Farb- und Linienstile
set style line 1 lc rgb "#2563EB" lw 2 dt 1 # Grundwelle: Blau (durchgezogen)
set style line 2 lc rgb "#D97706" lw 1.8 dt 2 # 3. Harmonische: Bernstein (gestrichelt)
set style line 3 lc rgb "#059669" lw 1.8 dt 3 # 5. Harmonische: Smaragd (gepunktet)
set style line 4 lc rgb "#DC2626" lw 2.6 dt 1 # Summensignal: Kraeftiges Rot
# Dezente Achsen und Gitter
set style line 10 lc rgb "#E5E7EB" dt 3 lw 0.8
set style line 11 lc rgb "#4B5563" lw 1
set style line 12 lc rgb "#9CA3AF" dt 1 lw 0.8
set border 3 back ls 11
set tics nomirror out scale 0.6 textcolor rgb "#374151"
set grid back ls 10
set xzeroaxis ls 12
set xrange [0:2*pi]
set xtics ("0" 0, "π/2" pi/2, "π" pi, "3π/2" 3*pi/2, "2π" 2*pi)
set yrange [-1.35:1.35]
set ytics -1.0, 0.5, 1.0
set title "Fourier-Synthese: Grundwelle und ungerade Harmonische" font "DejaVu Sans-Bold,11" textcolor rgb "#111827"
set xlabel "Phasenwinkel x [rad]" textcolor rgb "#374151" offset 0,-0.4
set ylabel "Amplitude" textcolor rgb "#374151" offset -0.6,0
# Legende oben rechts
set key top right box opaque font ",9"
# Mehrkurven-Plot aus 'harmonics.dat'
plot 'harmonics.dat' using 1:2 with lines ls 1 title "sin(x)", \
'harmonics.dat' using 1:3 with lines ls 2 title "1/3·sin(3x)", \
'harmonics.dat' using 1:4 with lines ls 3 title "1/5·sin(5x)", \
'harmonics.dat' using 1:5 with lines ls 4 title "Summe (Approximation)"
Fazit
Statt für eine einfache Aufgabe hunderte Megabytes Bibliotheken aus dem Internet zu ziehen, werkelt hier eine 1,3kB kompilierte Binary. Gnuplot selber begnügt sich auch mit 1,7MB, was angesichts der Mächtigkeit erstaunlich ist.
Technologien, die bereits über Jahrzehnte überlebt haben, besitzen eine Lebenserwartung, die proportional zu ihrem Alter ist. Während moderne Python-Umgebungen im Wochentakt neue Toolchains, virtuelle Umgebungen und Gigabytes an transitiven Abhängigkeiten durchschleusen, laufen Fortran (seit den 1950ern, modernisiert 1990) und Gnuplot (seit 1986) schnell, bescheiden und verlässlich. Manchmal ist Beständigkeit eben durch nichts zu ersetzen.
Kommentare