Python是開(kāi)發(fā)人員中最受歡迎的編程語(yǔ)言之一，但是它有一定的局限性。例如，取決于應(yīng)用程序，它的速度可能是某些低級(jí)語(yǔ)言的速度的100倍。這就是為什么一旦Python的速度成為用戶(hù)的瓶頸，許多公司就會(huì)用另一種語(yǔ)言重寫(xiě)其應(yīng)用程序的原因。但是，如果有一種方法可以保留Python的出色功能并提高其速度呢？那就是PyPy。

PyPy是一個(gè)非常兼容的Python解釋器，是CPython 2.7、3.6和即將推出的3.7的一個(gè)有價(jià)值的替代品。通過(guò)安裝和運(yùn)行應(yīng)用程序，可以顯著提高速度。您將看到多少改進(jìn)取決于您正在運(yùn)行的應(yīng)用程序。

在本教程中，您將學(xué)習(xí)：

• 如何使用PyPy安裝和運(yùn)行代碼

• PyPy在速度方面如何與CPython進(jìn)行比較

• PyPy的功能是什么以及它們?nèi)绾问鼓腜ython代碼運(yùn)行得更快

• PyPy的局限性是什么

本教程中的示例使用Python 3.6，因?yàn)槟鞘荘yPy兼容的最新Python版本。

Python和PyPy

Python語(yǔ)言規(guī)范用于許多實(shí)現(xiàn)中，例如CPython（用C編寫(xiě)），Jython（用Java編寫(xiě)），IronPython（為.NET編寫(xiě)）和PyPy（用Python編寫(xiě)）。

CPython是Python的原始實(shí)現(xiàn)，并且是迄今為止最受歡迎和最維護(hù)的。當(dāng)人們提到Python時(shí)，他們通常不是指CPython。您現(xiàn)在可能正在使用CPython！

但是，由于CPython是高級(jí)解釋語(yǔ)言，因此CPython具有一定的局限性，不會(huì)為速度贏得任何榮譽(yù)。這就是PyPy可以派上用場(chǎng)的地方。由于它遵循Python語(yǔ)言規(guī)范，因此PyPy無(wú)需更改您的代碼庫(kù)，并且由于您將在下面看到的功能而可以顯著提高速度。

現(xiàn)在，您可能想知道為什么CPython如果使用相同的語(yǔ)法，就無(wú)法實(shí)現(xiàn)PyPy的出色功能。原因是實(shí)現(xiàn)這些功能將需要對(duì)源代碼進(jìn)行巨大的更改，這將是一項(xiàng)艱巨的任務(wù)。

在不深入研究理論的情況下，讓我們看看PyPy的作用。

安裝

您的操作系統(tǒng)可能已經(jīng)提供了PyPy軟件包。例如，在macOS上，您可以借助Homebrew進(jìn)行安裝：

$ brew install pypy3

如果沒(méi)有，您可以下載適用于您的操作系統(tǒng)和體系結(jié)構(gòu)的預(yù)構(gòu)建二進(jìn)制文件。完成下載后，只需解壓縮tarball或ZIP文件即可。然后，您可以執(zhí)行PyPy，而無(wú)需將其安裝在任何地方：

$ tar xf pypy3.6-v7.3.1-osx64.tar.bz2 $ ./pypy3.6-v7.3.1-osx64/bin/pypy3 Python 3.6.9 (?, Jul 19 2020, 21:37:06) [PyPy 7.3.1 with GCC 4.2.1] Type "help", "copyright", "credits" or "license" for more information.

在執(zhí)行上面的代碼之前，您需要位于下載二進(jìn)制文件的文件夾中。有關(guān)完整說(shuō)明，請(qǐng)參閱安裝文檔。

行動(dòng)中的PyPy

現(xiàn)在，您已經(jīng)安裝了PyPy，可以隨時(shí)使用它了！為此，創(chuàng)建一個(gè)名為的Python文件script.py，并將以下代碼放入其中：

total = 0  for i in range(1, 10000):      for j in range(1, 10000):          total += i + j           print(f"The result is {total}")

這是一個(gè)腳本，在兩個(gè)嵌套for循環(huán)中，將的數(shù)字1加到9,999，然后輸出結(jié)果。

要查看運(yùn)行此腳本需要多長(zhǎng)時(shí)間，請(qǐng)對(duì)其進(jìn)行編輯以添加突出顯示的行：

該代碼現(xiàn)在執(zhí)行以下操作：

• 第3行將當(dāng)前時(shí)間保存到變量中start_time。

• 第5至8行運(yùn)行循環(huán)。

• 第10行打印結(jié)果。

• 第12行將當(dāng)前時(shí)間保存到end_time。

• 第13行顯示start_time和之間的差異，end_time以顯示運(yùn)行腳本所需的時(shí)間。

嘗試使用Python運(yùn)行它。這是我在2015 MacBook Pro上獲得的：

$ python3.6 script.py The result is 999800010000 It took 20.66 seconds to compute

現(xiàn)在使用PyPy運(yùn)行它：

$ pypy3 script.py The result is 999800010000 It took 0.22 seconds to compute

在這個(gè)小的綜合基準(zhǔn)中，PyPy的速度大約是Python的94倍！

有關(guān)更嚴(yán)格的基準(zhǔn)測(cè)試，您可以查看PyPy Speed Center，開(kāi)發(fā)人員在該中心每晚運(yùn)行帶有不同可執(zhí)行文件的基準(zhǔn)測(cè)試。

請(qǐng)記住，PyPy如何影響您的代碼性能取決于您的代碼在做什么。在某些情況下，PyPy實(shí)際上要慢一些，您將在后面看到。但是，就幾何平均而言，它的速度是Python的4.3倍。

PyPy及其功能

從歷史上看，PyPy提到了兩件事：

1. 一個(gè)動(dòng)態(tài)語(yǔ)言框架，用于為動(dòng)態(tài)語(yǔ)言生成解釋器

2. 一個(gè)Python實(shí)現(xiàn)使用框架

通過(guò)安裝PyPy并運(yùn)行一個(gè)小腳本，您已經(jīng)看到了第二個(gè)含義。您使用的Python實(shí)現(xiàn)是使用稱(chēng)為RPython的動(dòng)態(tài)語(yǔ)言框架編寫(xiě)的，就像CPython是用C編寫(xiě)而Jython是用Java編寫(xiě)一樣。

但是您是否沒(méi)有早些時(shí)候告訴過(guò)PyPy是用Python編寫(xiě)的？好吧，這有點(diǎn)簡(jiǎn)化。PyPy之所以被稱(chēng)為Python（而不是RPython）編寫(xiě)的解釋器，是因?yàn)镽Python使用與Python相同的語(yǔ)法。

為了清除所有內(nèi)容，以下是PyPy的生產(chǎn)方式：

1. 源代碼是用RPython編寫(xiě)的。

2. 所述RPython翻譯工具鏈被施加到代碼，這基本上使得代碼更高效。它還將代碼編譯為機(jī)器代碼，這就是Mac，Windows和Linux用戶(hù)必須下載不同版本的原因。

3. 生成二進(jìn)制可執(zhí)行文件。這是您用來(lái)運(yùn)行小腳本的Python解釋器。

請(qǐng)記住，您無(wú)需完成所有這些步驟即可使用PyPy。該可執(zhí)行文件已經(jīng)可供您安裝和使用。

而且，由于在框架和實(shí)現(xiàn)中使用相同的詞非常令人困惑，因此PyPy背后的團(tuán)隊(duì)決定擺脫這種雙重用法。現(xiàn)在，PyPy僅指Python實(shí)現(xiàn)。該框架稱(chēng)為RPython轉(zhuǎn)換工具鏈。

接下來(lái)，您將了解使PyPy在某些情況下比Python更好和更快的功能。

即時(shí)（JIT）編譯器

在了解什么是JIT編譯之前，讓我們退后一步，回顧一下諸如C之類(lèi)的已編譯語(yǔ)言和諸如JavaScript之類(lèi)的解釋語(yǔ)言的屬性。

編譯的編程語(yǔ)言性能更高，但是更難移植到不同的CPU體系結(jié)構(gòu)和操作系統(tǒng)。解釋性編程語(yǔ)言更可移植，但是其性能比編譯語(yǔ)言差很多。這是頻譜的兩個(gè)極端。

然后是諸如Python之類(lèi)的編程語(yǔ)言，它們同時(shí)進(jìn)行編譯和解釋。具體來(lái)說(shuō)，首先將Python編譯為中間字節(jié)碼，然后由CPython對(duì)其進(jìn)行解釋。這使代碼的性能比用純解釋性編程語(yǔ)言編寫(xiě)的代碼更好，并且保持了可移植性的優(yōu)勢(shì)。

但是，性能仍然遠(yuǎn)不及編譯版本。原因是編譯后的代碼可以進(jìn)行很多優(yōu)化，而這些優(yōu)化是字節(jié)碼無(wú)法實(shí)現(xiàn)的。

這就是即時(shí)（JIT）編譯器的用處。它試圖通過(guò)對(duì)機(jī)器代碼進(jìn)行一些實(shí)際的編譯和一些解釋來(lái)獲得兩個(gè)方面的優(yōu)勢(shì)。簡(jiǎn)而言之，以下是JIT編譯為提高性能而采取的步驟：

1. 標(biāo)識(shí)代碼中最常用的組件，例如循環(huán)中的函數(shù)。

2. 在運(yùn)行時(shí)將這些零件轉(zhuǎn)換為機(jī)器代碼。

3. 優(yōu)化生成的機(jī)器代碼。

4. 與優(yōu)化的機(jī)器代碼版本交換以前的實(shí)現(xiàn)。

還記得本教程開(kāi)始時(shí)的兩個(gè)嵌套循環(huán)嗎？PyPy檢測(cè)到一次又一次地執(zhí)行相同的操作，將其編譯為機(jī)器代碼，優(yōu)化了機(jī)器代碼，然后交換了實(shí)現(xiàn)。這就是為什么您看到速度有了如此大的提高。

垃圾收集

每當(dāng)您創(chuàng)建變量，函數(shù)或任何其他對(duì)象時(shí)，計(jì)算機(jī)就會(huì)為它們分配內(nèi)存。最終，將不再需要其中一些對(duì)象。如果不清理它們，則計(jì)算機(jī)可能會(huì)耗盡內(nèi)存并導(dǎo)致程序崩潰。

在C和C ++等編程語(yǔ)言中，通常必須手動(dòng)處理此問(wèn)題。其他編程語(yǔ)言（例如Python和Java）會(huì)自動(dòng)為您完成此操作。這稱(chēng)為自動(dòng)垃圾收集，有幾種技術(shù)可以實(shí)現(xiàn)它。

CPython使用一種稱(chēng)為引用計(jì)數(shù)的技術(shù)。本質(zhì)上，每當(dāng)引用對(duì)象時(shí)，Python對(duì)象的引用計(jì)數(shù)就增加，而在取消引用對(duì)象時(shí)，其計(jì)數(shù)就減少。當(dāng)引用計(jì)數(shù)為零時(shí)，CPython會(huì)自動(dòng)為該對(duì)象調(diào)用內(nèi)存釋放函數(shù)。這是一種簡(jiǎn)單有效的技術(shù)，但有一個(gè)陷阱。

當(dāng)大對(duì)象樹(shù)的引用計(jì)數(shù)變?yōu)榱銜r(shí)，將釋放所有相關(guān)對(duì)象。結(jié)果，您可能有很長(zhǎng)的暫停時(shí)間，在此期間您的程序根本無(wú)法執(zhí)行。

另外，在一個(gè)用例中，引用計(jì)數(shù)根本不起作用?？紤]以下代碼：

class A(object):      pass  a = A()  a.some_property = a  del a

在上面的代碼中，您定義了新類(lèi)。然后，創(chuàng)建該類(lèi)的實(shí)例，并將其分配為自身的屬性。最后，刪除實(shí)例。

此時(shí)，該實(shí)例不再可訪(fǎng)問(wèn)。但是，引用計(jì)數(shù)不會(huì)從實(shí)例中刪除實(shí)例，因?yàn)樗哂袑?duì)自身的引用，因此引用計(jì)數(shù)不為零。此問(wèn)題稱(chēng)為參考周期，無(wú)法使用參考計(jì)數(shù)解決。

這是CPython使用另一種稱(chēng)為循環(huán)垃圾收集器的工具的地方。它從type對(duì)象的已知根開(kāi)始遍歷內(nèi)存中的所有對(duì)象。然后，它標(biāo)識(shí)所有可到達(dá)的對(duì)象并釋放不可達(dá)的對(duì)象，因?yàn)樗鼈儾辉俅嬖?。這解決了參考周期問(wèn)題。但是，當(dāng)內(nèi)存中有大量對(duì)象時(shí)，它可能會(huì)導(dǎo)致更明顯的暫停。

另一方面，PyPy不使用引用計(jì)數(shù)。相反，它僅使用第二種技術(shù)，即循環(huán)查找器。也就是說(shuō)，它定期從根開(kāi)始遍歷活動(dòng)對(duì)象。PyPy相對(duì)于CPython具有一些優(yōu)勢(shì)，因?yàn)樗粫?huì)打擾引用計(jì)數(shù)，從而使內(nèi)存管理上花費(fèi)的總時(shí)間少于CPython。

另外，PyPy并沒(méi)有像CPython這樣的主要任務(wù)來(lái)完成所有工作，而是將工作分解為可變數(shù)量的片段，并逐個(gè)運(yùn)行直到?jīng)]有剩余為止。這種方法在每個(gè)次要集合之后僅增加幾毫秒，而不是像CPython那樣一次性增加數(shù)百毫秒。

垃圾收集很復(fù)雜，并且有許多詳細(xì)信息超出了本教程的范圍。您可以在文檔中找到有關(guān)PyPy垃圾回收的更多信息。

PyPy的局限性

PyPy不是靈丹妙藥，并且不一定總是最適合您的任務(wù)的工具。它甚至可能使您的應(yīng)用程序執(zhí)行速度比CPython慢得多。這就是為什么記住以下限制很重要。

C擴(kuò)展不能很好地工作

PyPy最適合純Python應(yīng)用程序。無(wú)論何時(shí)使用C擴(kuò)展模塊，它的運(yùn)行速度都比CPython中慢。原因是PyPy無(wú)法完全支持C擴(kuò)展模塊，因此無(wú)法對(duì)其進(jìn)行優(yōu)化。另外，PyPy必須模擬該部分代碼的引用計(jì)數(shù)，從而使其速度更慢。

在這種情況下，PyPy團(tuán)隊(duì)建議刪除CPython擴(kuò)展并將其替換為純Python版本，以便JIT可以看到它并進(jìn)行優(yōu)化。如果這不是一個(gè)選擇，那么您將不得不使用CPython。

話(huà)雖如此，核心團(tuán)隊(duì)正在致力于C擴(kuò)展。一些軟件包已經(jīng)被移植到PyPy并以同樣快的速度工作。

它僅適用于長(zhǎng)期運(yùn)行的程序

假設(shè)您想去一家離您家很近的商店。您可以步行或開(kāi)車(chē)。

您的汽車(chē)顯然比腳快得多。但是，請(qǐng)考慮需要執(zhí)行以下操作：

1. 去你的車(chē)庫(kù)。

2. 啟動(dòng)你的車(chē)。

3. 稍微加熱汽車(chē)。

4. 開(kāi)車(chē)去商店。

5. 查找停車(chē)位。

6. 在返回途中重復(fù)該過(guò)程。

開(kāi)車(chē)要涉及很多開(kāi)銷(xiāo)，如果您想去的地方在附近，這并不總是值得的！

現(xiàn)在，想想如果您想去五十英里外的鄰近城市會(huì)發(fā)生什么。開(kāi)車(chē)去那里而不是步行肯定是值得的。

盡管速度的差異并不像上面的類(lèi)比那么明顯，但是PyPy和CPython也是一樣。

當(dāng)您使用PyPy運(yùn)行腳本時(shí)，它會(huì)做很多事情來(lái)使您的代碼運(yùn)行更快。如果腳本太小，那么開(kāi)銷(xiāo)將導(dǎo)致您的腳本運(yùn)行速度比CPython中慢。另一方面，如果您的腳本運(yùn)行時(shí)間很長(zhǎng)，那么開(kāi)銷(xiāo)會(huì)帶來(lái)可觀的性能紅利。

要親自查看，請(qǐng)?jiān)贑Python和PyPy中運(yùn)行以下小腳本：

使用PyPy運(yùn)行時(shí)，開(kāi)始時(shí)會(huì)有一個(gè)小的延遲，而CPython會(huì)立即運(yùn)行它。確切地說(shuō)，0.0004873276在使用CPython的2015 MacBook Pro上運(yùn)行它需要幾秒鐘，而在0.0019447803PyPy上運(yùn)行它需要幾秒鐘。

它不進(jìn)行提前編譯

正如您在本教程開(kāi)始時(shí)所看到的那樣，PyPy不是完全編譯的Python實(shí)現(xiàn)。它編譯Python代碼，但不是Python代碼的編譯器。由于Python固有的動(dòng)態(tài)性，不可能將Python編譯成獨(dú)立的二進(jìn)制文件并重新使用它。

PyPy是一個(gè)運(yùn)行時(shí)解釋程序，它比完全解釋的語(yǔ)言要快，但是比完全編譯的語(yǔ)言（如C）要慢。

結(jié)論

PyPy是CPython的快速而強(qiáng)大的替代品。通過(guò)與腳本一起運(yùn)行腳本，無(wú)需對(duì)代碼進(jìn)行任何更改即可大大提高速度。但這不是靈丹妙藥。它有一些限制，您需要測(cè)試程序以查看PyPy是否可以提供幫助。

在本教程中，您學(xué)習(xí)了：

什么PyPy是

如何安裝PyPy并使用它運(yùn)行腳本

PyPy在速度方面如何與CPython進(jìn)行比較

PyPy具有什么功能以及如何提高程序速度

PyPy具有哪些限制，可能使其在某些情況下不適合

如果您的Python腳本需要提高速度，請(qǐng)嘗試PyPy。根據(jù)您的程序，您可能會(huì)得到一些明顯的速度改進(jìn)！