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）：
| 执行次数 | 1（启动） | 2 | 3 | 4 | 5 |
| 普通 | 14.0299 | 9.0005 | 9.1825 | 8.0021 | 11.0181 |
| 并行 | 6.0008 | 2.0004 | 2.9993 | 2.0014 | 3.999 |
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）：
| 执行次数 | 1（启动） | 2 | 3 | 4 | 5 |
| 普通 | 12.0299 | 9.0019 | 10.003 | 9.0014 | 9.00017 |
| 并行 | 6.0008 | 2 | 3.0003 | 2.9997 | 1.9995 |
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）：
| 执行次数 | 1（启动） | 2 | 3 | 4 | 5 |
| 普通 | 11.9904 | 9.0032 | 9 | 9。0028 | 9.00149 |
| 并行 | 6.0008 | 1.9817 | 1.9985 | 1.9993 | 2 |
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）：
| 执行次数 | 1（启动） | 2 | 3 | 4 | 5 |
| 普通 | 11 | 9 | 8 | 9 | 8 |
| 并行 | 4 | 1 | 1 | 3 | 2 |
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）：
| 执行次数 | 1（启动） | 2 | 3 | 4 | 5 |
| 普通 | 8.0019 | 7.9991 | 8.0209 | 8.9843 | 8.0181 |
| 并行 | 1.9794 | 1.998 | 1.9994 | 1.984 | 2.0003 |
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）：
| 执行次数 | 1（启动） | 2 | 3 | 4 | 5 |
| 普通 | 9 | 9 | 9 | 8 | 9 |
| 并行 | 3 | 2 | 3 | 2 | 2 |
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）：
| 执行次数 | 1（启动） | 2 | 3 | 4 | 5 |
| 普通 | 9 | 9 | 8 | 9 | 9 |
| 并行 | 3 | 2 | 3 | 2 | 3 |
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）：
| 执行次数 | 1（启动） | 2 | 3 | 4 | 5 |
| 普通 | 8 | 8 | 8 | 9 | 9 |
| 并行 | 2 | 3 | 3 | 2 | 3 |
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）：
| 执行次数 | 1（启动） | 2 | 3 | 4 | 5 |
| 普通 | 8.0014 | 8.0191 | 8.0293 | 8.0019 | 9.0291 |
| 并行 | 1.9994 | 1.9999 | 1.998 | 1.9994 | 2.99982 |
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）：
| 执行次数 | 1（启动） | 2 | 3 | 4 | 5 |
| 普通 | 9 | 8 | 9 | 8 | 8 |
| 并行 | 2 | 2 | 3 | 2 | 3 |
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。目前已有部分软件支持WinRT，Spread WinRT 就是其中之一。它可以将 Microsoft Excel 的强大功能嵌入到 Windows 8 商店应用程序中，使用丰富的内嵌数据可视化功能展现核心数据和分析结果。
附以上测试源代码和测试工程，点击这里下载。