Python是開發(fā)人員中最常用的編程語言之一，但它有一定的局限性。例如，對于某些應(yīng)用程序而言，它的運行速度可能比其它語言低100倍。這就是為什么當(dāng)Python的運行速度成為用戶瓶頸后，許多公司會用另一種語言重寫他們的應(yīng)用程序。但是有沒有一種方法既可以保持Python的特性又能提高速度呢？它就是PyPy。

PyPy是一種非常兼容的Python解釋器，它是CPython2.7、3.6和即將推出的3.7的一種值得替代的方法。在安裝和運行應(yīng)用程序時使用它，可以顯著提高速度。速度提高多少取決于你運行的應(yīng)用程序。

在本教程中，您將學(xué)習(xí)：

如何使用PyPy安裝和運行代碼 PyPy與CPython在速度方面的比較 PyPy的功能及其如何使Python代碼更快地運行 本教程中的示例使用 Python 3.6 ，因為它是PyPy兼容的最新 Python 版本。

PyPy 簡介

Python解釋器可以用多種語言來實現(xiàn)，如CPython（用C編寫）、Jython（用Java編寫）、Iron Python（用.NET編寫）和PyPy（用Python編寫）。

CPython是Python解釋器的最初實現(xiàn)，也是迄今為止使用最廣和最多維護的。當(dāng)我們從Python官方網(wǎng)站下載并安裝好Python 3.x后，我們就直接獲得了一個官方版本的解釋器：CPython。這個解釋器是用C語言開發(fā)的，所以叫CPython。在命令行下運行python就是啟動CPython解釋器。

但是，由于CPython是一種高級的解釋語言，因此它有一定的局限性，并且在速度方面沒有任何優(yōu)勢。這就是PyPy可以起作用的地方。由于它符合Python語言規(guī)范，因此Py Py不需要對代碼庫進行任何更改，并且可以通過下面的功能顯著提高速度。

現(xiàn)在，您可能想知道，如果CPython使用相同的語法，為什么它不實現(xiàn)Py Py的強大功能。原因是，實施這些功能需要對源代碼進行巨大的更改，這將是一項非常繁瑣的工作。

我們來粗略看一下如何在實際操作中使用PyPy。

安裝

您的操作系統(tǒng)可能已提供PyPy軟件包。例如，在Mac OS上，您可以在Homebrew的幫助下安裝它：

$ brew install pypy3

或者您也可以下載與操作系統(tǒng)匹配的二進制文件。完成下載后，只需打開tarball或ZIP文件即可。然后，您可以執(zhí)行以下操作：

$ tar xf pypy3.6-v7.3.1-osx64.tar.bz2$ ./pypy3.6-v7.3.1-osx64/bin/pypy3Python 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.

您需要在上述文件夾地址執(zhí)行該命令。有關(guān)完整的說明，請參閱安裝文檔。

運行 PyPy

您現(xiàn)在已經(jīng)安裝了Py Py，并且即將運行它！為此，請創(chuàng)建一個名為script.py的Python文件，并將以下代碼放入其中：

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

在兩個嵌套的for循環(huán)中，將1到9,999之間的數(shù)字相加，并打印結(jié)果。

查看運行此腳本需要多長時間：

import time start_time = time.time() total = 0for i in range(1, 10000): for j in range(1, 10000): total += i + j print(f'The result is {total}') end_time = time.time()print(f'It took {end_time-start_time:.2f} seconds to compute')

該代碼現(xiàn)在執(zhí)行以下操作：

第3行將當(dāng)前時間保存到變量start_time。 第5至8行運行循環(huán)。 第10行打印結(jié)果。 第12行將當(dāng)前時間保存為end_time。 第13行打印開始時間和結(jié)束時間之間的差值，以顯示運行腳本所需的時間。

用Python來運行它。下面是我在Mac Book Pro上的結(jié)果：

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

現(xiàn)在使用Py Py運行它:

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

在這個小實驗中，PyPy的速度大約是Python的94倍！

您可以通過瀏覽 PyPy Speed Center 來查看更多嚴(yán)格的測試。

請記住，PyPy如何影響代碼的性能取決于您用代碼來做什么。在某些情況下，Py Py實際上較慢，稍后會看到。但是，就幾何平均而言，它的速度是Python的4.3倍。

PyPy及其特性

Py Py有兩種定義：

1、用于生成動態(tài)語言解釋器的動態(tài)語言框架 2、使用該框架的Python實現(xiàn)

您應(yīng)該已經(jīng)意識到了第二個問題。您使用的Python實現(xiàn)是使用稱為RPython的動態(tài)語言框架編寫的，就像CPython是用C編寫的，而Jython是用Java編寫的一樣。

但之前文中不是提到PyPy是用Python編寫的嗎？嗯，這有點簡單。PyPy成為用Python編寫的Python解釋器（而不是RPython）這么說的原因是RPython使用了與Python相同的語法。

PyPy是怎么來的？需要解釋以下幾點：

1、它的源代碼是用RPython編寫。

2、RPython轉(zhuǎn)換工具應(yīng)用到了代碼中，從根本上提高了代碼效率，還可以將代碼編譯為機器代碼，這就是Mac，Windows和Linux用戶必須下載不同版本的原因。

3、用上述方式生成的二進制可執(zhí)行文件，就是你運行的Python解釋器。

你不需要執(zhí)行上述所有這些步驟來使用PyPy。因為已經(jīng)有提供您安裝和使用的可執(zhí)行文件。

此外，由于在框架和實現(xiàn)中使用同一個詞非常令人困惑，PyPy背后的團隊決定放棄這種雙重用法。現(xiàn)在，PyPy僅指Python解釋器，而框架被稱為RPython轉(zhuǎn)換工具。

接下來，您將了解在什么情況下使用PyPy比Python更好、更快。

Just-In-Time (JIT) 編譯器

在了解JIT編譯器的內(nèi)容之前，讓我們先回顧一下已編譯語言（如C）和解釋語言（如JavaScript）的特性。

在編譯型語言寫的程序執(zhí)行之前，需要一個專門的編譯過程，把源代碼編譯成機器語言的文件，如exe格式的文件，以后要再運行時，直接使用編譯結(jié)果即可，如直接運行exe文件。因為只需編譯一次，以后運行時不需要編譯，所以編譯型語言執(zhí)行效率高。與特定平臺相關(guān)，一般無法移植到其他平臺。如C、C++、Objective等都屬于編譯型語言。

解釋型語言不需要事先編譯，其直接將源代碼解釋成機器碼并立即執(zhí)行，所以只要某一平臺提供了相應(yīng)的解釋器即可運行該程序。解釋型語言每次運行都需要將源代碼解釋稱機器碼并執(zhí)行，效率較低；只要平臺提供相應(yīng)的解釋器，就可以運行源代碼，所以可以方便源程序移植。

然后還有一些編程語言，例如Python，它混合了編譯和解釋。具體來說，Python首先編譯為字節(jié)碼，然后由CPython解釋。這使代碼的性能優(yōu)于用純解釋型語言編寫的代碼，并保持可移植性優(yōu)勢。

但是它的性能仍然遠遠低于編譯型語言。其原因是，編譯后的代碼可以執(zhí)行許多優(yōu)化，而字節(jié)碼是不可能的。

這就是JIT編譯器的來源。它試圖通過對機器代碼進行一些編譯和一些解釋來同時獲得兩種優(yōu)勢。簡而言之，以下是JIT編譯為提供更快性能所采取的步驟：

1、識別代碼中最常用的組件，如循環(huán)中的函數(shù)。

2、運行時將這些部件轉(zhuǎn)換為機器代碼。

3、優(yōu)化生成的機器代碼。

4、用優(yōu)化的機器代碼版本取代之前的實現(xiàn)。

還記得教程開頭的兩個嵌套循環(huán)嗎？PyPy檢測到重復(fù)執(zhí)行相同操作時，將其編譯為機器代碼，優(yōu)化機器代碼，然后轉(zhuǎn)換實現(xiàn)。這也是為什么您會看到這樣的結(jié)果。

垃圾回收機制

無論何時創(chuàng)建變量、函數(shù)或任何其他對象，您的計算機都會給它們分配內(nèi)存。最終，其中一些對象將不再需要。如果不及時清理，計算機可能會耗盡內(nèi)存并使程序崩潰。

在C和C++等編程語言中，通常必須手動處理此問題。其他編程語言（如Python和Java）會自動為您執(zhí)行此操作。這被稱為自動垃圾回收機制。

CPython使用一種稱為引用計數(shù)的技術(shù)。實質(zhì)上，每當(dāng)引用對象時，Python對象的引用計數(shù)都會增加，而在取消引用該對象時則遞減計數(shù)。當(dāng)引用計數(shù)為零時，CPython會自動為該對象調(diào)用內(nèi)存釋放函數(shù)。這是一種簡單有效的技術(shù)，但有一個陷阱。

當(dāng)大型對象樹的引用計數(shù)變?yōu)榱銜r，所有相關(guān)對象將被釋放。因此，您可能有很長的暫停時間，在此期間您的程序根本無法執(zhí)行。

此外，還有一個例子，其中引用計數(shù)根本不起作用。如下所示：

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

在上面的代碼中，定義了新的類，然后，創(chuàng)建一個實例，并將其指定為其自身的屬性。最后，刪除實例。

此時，實例將不再可訪問。但是，引用計數(shù)不會從內(nèi)存中刪除實例，因為它具有對自身的引用，因此引用計數(shù)不是零。此問題被稱為引用循環(huán)，無法使用引用計數(shù)解決。

這是CPython使用的另一個工具，稱為循環(huán)垃圾回收器。它從已知根（如類型對象）開始遍歷內(nèi)存中的所有對象。然后，它標(biāo)識所有可訪問的對象，并釋放不可訪問的對象，因為它們不再存在。這樣就解決了引用循環(huán)問題。但是，當(dāng)內(nèi)存中存在大量對象時，它可能會創(chuàng)建更明顯的暫停。

另一方面，PyPy不使用引用計數(shù)。相反，它只使用第二種技術(shù)，即循環(huán)查找器。也就是說，它會定期從根開始遍歷活動對象。這使PyPy比CPython具有一些優(yōu)勢，因為它不需要考慮引用計數(shù)，從而使內(nèi)存管理花費的總時間少于CPython。

此外，PyPy將工作拆分為可變數(shù)量的部分，并運行每個部分，直到?jīng)]有剩余部分為止。此方法只在每個次要集合之后添加幾毫秒，而不像CPython那樣一次添加數(shù)百毫秒。

垃圾回收機制非常復(fù)雜，并且有許多超出本教程范圍的內(nèi)容。您可以在文檔中找到有關(guān)PyPy垃圾回收機制的詳細(xì)信息。

PyPy的局限性

PyPy并非萬能，它不是一個適合您所有任務(wù)的工具。它甚至可能使應(yīng)用程序的執(zhí)行速度比CPython慢得多。這就是為什么您必須記住以下局限性。

它不適用于C擴展

PyPy最適合純Python應(yīng)用程序。無論何時使用C擴展模塊，它的運行速度都要比在CPython中慢得多。原因是PyPy無法優(yōu)化C擴展模塊，因為它們不受完全支持。此外，PyPy必須模擬代碼中的引用計數(shù)，使其更慢。

在這種情況下，PyPy團隊建議去掉CPython擴展并將其替換為純Python版本。如果不行的話，則必須使用CPython。

盡管如此，核心團隊正在處理C擴展。有些軟件包已被移植到PyPy，并且工作速度也同樣快。

它只適用于長時間運行的程序

想象一下你想去一家離你家很近的商店。您既可以直接走路前往，也可以開車。

您的車明顯比您的腳快得多。但是，請考慮需要您完成的步驟：

1.去你的車庫。

2、開車。

3、給車預(yù)熱。

4、開車去商店。

5、尋找停車位。

6、在返回途中重復(fù)此過程。

開車需要一系列麻煩的步驟，如果你想去的地方就在附近，那就不一定值得了。

現(xiàn)在想想，如果你想去50公里外的鄰近城市，會發(fā)生什么？開車去那里肯定是值得的，而不是步行去。

雖然速度上的對比并不像上面的類比那樣明顯，但PyPy和CPython和這個道理一樣。

當(dāng)使用PyPy運行腳本時，它會執(zhí)行許多操作以使代碼運行得更快。如果腳本本身很簡單，則實際腳本運行速度會低于CPython。另一方面，如果您有一個長時間運行的腳本，那么可能會帶來顯著的性能提升。

想親自感受一下的話，請在CPython和PyPy中運行以下小腳本：

import time start_time = time.time() for i in range(100): print(i) end_time = time.time()print(f'It took {end_time-start_time:.10f} seconds to compute')

當(dāng)您使用PyPy運行它時，開始時會有一個小延遲，而CPython會立即運行它。在Mac Book Pro上運行它，用CPython需要0.0004873276秒，用PyPy需要0.0019447803秒。

它不執(zhí)行提前編譯

正如您在本教程開頭所看到的，PyPy不是一個完全編譯型的Python實現(xiàn)。它編譯Python代碼，但不是Python代碼的編譯器。由于Python固有的一些特性，導(dǎo)致無法將Python編譯為獨立的二進制文件并重用它。

Py Py比完全解釋型的語言快，但比完全編譯的語言（如C）慢。

總結(jié)

PyPy是CPython的一種快速且功能強大的替代方案。使用它運行腳本，您可以在不更改代碼的情況下大大提高速度。但它也不是萬能的，有一些局限性。

到此這篇關(guān)于如何用PyPy讓你的Python代碼運行得更快的文章就介紹到這了,更多相關(guān)Python PyPy 內(nèi)容請搜索好吧啦網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持好吧啦網(wǎng)！