python pypy_什么是PyPy？ 更快的Python而无痛苦

python pypy

Python因其强大，灵活且易于使用而赢得了声誉。 这些优点使得它可以在越来越多的应用程序，工作流和领域中使用。 但是，这种语言的设计-解释性，运行时动态-意味着Python一直比诸如C或C ++的机器本机语言慢一个数量级。

多年来，开发人员针对Python的速度限制提出了各种解决方法。 例如，您可以使用C编写性能密集型任务，然后将其包装在Python中。 许多机器学习库正是这样做的。 或者，您可以使用Cython这个项目，该项目使您可以在Python代码中添加运行时类型信息，从而将其编译为C。

[ 也在InfoWorld上：更好的Python项目和Poetry的依赖管理 ]

但是变通办法从来都不是理想的。 如果我们可以按原样使用现有的Python程序，并以更快的速度运行它，那不是很好吗？ 这正是PyPy允许您执行的操作。

相关视频：将PyPy运行时用于Python

PyPy替代了现有的Python解释器CPython。 CPython将Python编译为中间字节码，然后由虚拟机解释，而PyPy使用即时（JIT）编译将Python代码转换为机器本地汇编语言。

根据所执行的任务，性能提升可能非常明显。 平均而言， PyPy将Python的速度提高了约7.6倍 ，有些任务的速度提高了50倍或更多。 CPython解释器根本不会执行与PyPy相同的优化，并且可能永远不会执行，因为这不是其设计目标之一。

最好的部分是，开发人员几乎不需要付出任何努力就可以释放PyPy提供的收益。 只需将CPython换成PyPy，就可以完成大部分工作。 有一些例外情况，如下所述，但是PyPy的既定目标是运行现有的，未修改的Python代码并为其提供自动速度提升。

PyPy目前通过项目的不同形式同时支持Python 2和Python 3。 换句话说，您需要根据要运行的Python版本下载不同版本的PyPy。 PyPy的Python 2分支已经存在了很长的时间，但是Python 3的版本最近才被提速。 目前，它支持Python 3.5（生产质量）和Python 3.6（测试质量）。

除了支持所有核心Python语言之外，PyPy还可以使用Python生态系统中的绝大多数工具，例如用于打包的pip或用于虚拟环境的virtualenv 。 大多数Python程序包，即使是带有C模块的程序包，也应按原样工作，尽管我们会在下面讨论一些限制。

PyPy使用其他即时编译器中的动态语言优化技术。 它会分析正在运行的Python程序，以确定在对象创建并在程序中使用它们时的类型信息，然后使用该类型信息作为加速操作的指南。 例如，如果Python函数仅适用于一种或两种不同的对象类型，则PyPy会生成用于处理这些特定情况的机器代码。

[ 也在InfoWorld上：更好的Python项目和Poetry的依赖管理 ]

PyPy的优化是在运行时自动处理的，因此您通常不需要调整其性能。 高级用户可以尝试使用PyPy的命令行选项来为特殊情况生成更快的代码，但这只是很少需要的。

PyPy还偏离了CPython处理某些内部函数的方式，但尝试保留兼容的行为。 例如，PyPy处理垃圾收集的方式与CPython不同。 一旦超出范围，并非所有对象都会立即被收集，因此与在CPython下运行相比，在PyPy下运行的Python程序可能会显示更大的内存占用。 但是您仍然可以使用通过gc模块公开的Python的高级垃圾收集控件，例如gc.enable() ， gc.disable()和gc.collect() 。

如果您需要有关PyPy在运行时的JIT行为的信息，PyPy包括一个模块pypyjit ，该模块向您的Python应用程序公开了许多JIT挂钩。 如果您的某个功能或模块在JIT上表现不佳，则pypyjit允许您获取有关其的详细统计信息。

另一个PyPy专用模块__pypy__公开了PyPy特定的其他功能，因此对于编写利用这些功能的应用程序很有用。 由于Python的运行时动态性，有可能构造存在PyPy时使用这些功能的Python应用程序，而当不存在PyPy时将其忽略。

PyPy看起来很神奇，但这不是魔术。 PyPy具有某些限制，这些限制会降低或消除其对某些程序的有效性。 y，PyPy不能完全替代库存CPython运行时。

PyPy最适合纯Python应用

PyPy始终在“纯” Python应用程序（即，用Python编写的应用程序）上表现最佳。 由于PyPy模仿CPython的本机二进制接口的方式，与C库（例如NumPy）接口的Python软件包的效果不佳。

PyPy的开发人员减少了这个问题，并使PyPy与大多数依赖C扩展的Python软件包更加兼容。 例如，Numpy现在与PyPy配合得很好。 但是，如果要最大程度地与C扩展兼容，请使用CPython。

PyPy最适合长时间运行的程序

PyPy如何优化Python程序的副作用之一是，运行时间更长的程序从其优化中受益最大。 程序运行的时间越长，PyPy可以收集的运行时类型信息越多，并且可以进行更多的优化。 一劳永逸的Python脚本不会从这种事情中受益。 受益的应用程序通常具有长时间运行的循环，或者在后台（例如Web框架）连续运行。

[ 通过InfoWorld Daily新闻通讯了解软件开发，云计算，数据分析和机器学习方面的最新发展 ]

PyPy不进行提前编译

PyPy 编译 Python代码，但它不是Python代码的编译器 。 由于PyPy执行优化的方式以及Python固有的动态性，因此无法将生成的JITted代码作为独立的二进制代码发出并重新使用。 必须为每次运行编译每个程序。 如果要将Python编译为可以作为独立应用程序运行的更快的代码，请使用Cython ， Numba或当前正在实验的Nuitka项目。

翻译自: https://www.infoworld.com/article/3385127/what-is-pypy-faster-python-without-pain.html

python pypy