聊聊Python中的pypy
PyPy是一個虛擬機項目,主要分為兩部分:一個Python的實現(xiàn)和 一個編譯器
PyPy的第一部分: 用Python實現(xiàn)的Python
其實這么說并不準(zhǔn)確,準(zhǔn)確得說應(yīng)該是用rPython實現(xiàn)的Python,rPython是Python的一個子集,雖然rPython不是完整的Python,但用rPython寫的這個Python實現(xiàn)卻是可以解釋完整的Python語言。
PyPy的第二部分:編譯器
這是一個編譯rPython的編譯器,或者說這個編譯器有一個rPython的前端,目前也只有這么一個前端,不過它的后端卻是不少,也就是說這個編譯器支持許多的目標(biāo)語言,比較重要的有:C,CIL,JavaScript...
第一部分看成pypy(1)第二部分看成pypy(2)
為什么你在同一層面下同時需要這兩者?你可以這樣想一下:PyPy(1)是一個用RPython寫的解釋器,因此它能加載用戶的Python代碼并將它編譯成字節(jié)碼。但是這個用RPython寫的解釋器本身要能運行,就必須要被另外一個Python實現(xiàn)去解釋。我們可以直接用CPython去.運行這個解釋器。但是這個還不夠快取而代之,我們使用了PyPy(2)去編譯這個PyPy的解釋器,生成其他平臺(比如C,JVM或CLI)代碼在我們的機器上運行,并且還加入了JIT特性。JIT能夠把字節(jié)碼轉(zhuǎn)換成機器語言,pypy之所以快,是因為它整合了JIT跟蹤技術(shù)的優(yōu)化編譯器。
pypy性能測試


Cpython2.7.6,pyston0.2,pypy2.2.1的性能對比,使用的是pyston源代碼目錄下的minibenchmarks和microbenchmarks中
的python代碼來跑,對比結(jié)果如下表所示
|
|
Cpython2.7.6 |
pyston0.2 |
|
|
microbenchmarks |
|
|
|
|
attribute_lookup.py |
258.544s |
200.387s |
2.667s |
|
attrs.py |
0.622s |
1.658s |
0.086s |
|
closures.py |
0.485s |
6.658s |
0.058s |
|
empty_loop.py |
3.532s |
19.248s |
0.248s |
|
fib2.py |
3.375s |
0.669s |
0.804s |
|
fib.py |
3.696s |
0.636s |
0.864s |
|
function_calls.py |
5.283s |
0.878s |
0.303s |
|
gcj_2014_2_b.py |
1.527s |
45.803s |
0.276s |
|
gcj_2014_3_b.py |
0.022s |
0.174s |
0.069s |
|
iteration.py |
0.185s |
1.242s |
0.062s |
|
lcg.py |
2.910s |
9.097s |
0.235s |
|
listcomp_bench.py |
10.132s |
56.170s |
1.379s |
|
nested.py |
0.368s |
6.828s |
0.057s |
|
polymorphism.py |
4.358s |
4.390s |
14.260s |
|
prime_summing.py |
20.197s |
43.779s |
1.250s |
|
pydigits.py |
0.034s |
Failed |
0.039s |
|
repatching.py |
0.475s |
0.384s |
0.061s |
|
simple_sum.py |
0.075s |
0.578s |
0.040s |
|
sort.py |
2.216s |
4.587s |
0.135s |
|
thread_contention.py |
6.486s |
8.133s |
0.240s |
|
thread_uncontended.py |
1.324s |
5.823s |
0.238s |
|
unwinding.py |
1.082s |
93.180s |
4.481s |
|
vecf_add.py |
9.890s |
Failed |
0.059s |
|
vecf_dot.py |
4.944s |
8.434s |
0.062s |
|
|
|
|
|
|
minibenchmarks |
|
|
|
|
allgroup.py |
0.836s |
Failed |
18.804s |
|
chaos.py |
26.268s |
Failed |
1.392s |
|
fannkuch_med.py |
0.990s |
1.898s |
0.325s |
|
fannkuch.py |
10.952s |
20.834s |
2.057s |
|
Go.py |
53.787s |
Failed |
33.638s |
|
interp2.py |
5.521s |
10.124s |
0.701s |
|
interp.py |
10.863s |
5.035s |
0.563s |
|
nbody_med.py |
3.132s |
6.642s |
0.601s |
|
nbody.py |
12.677s |
25.540s |
1.470s |
|
nq.py |
29.879s |
Failed |
44.418s |
|
raytrace.py |
11.608s |
Failed |
1.228s |
|
spectral_norm.py: |
14.388s |
118.309s |
1.333s |
pypy編譯除了有顏色背景的數(shù)據(jù),其它測試結(jié)果基本都是最快的,其中15個程序代碼測試結(jié)果所花時間不到Cpython的十分之一
pypy的缺陷
可以看出pypy實現(xiàn)python有很大的優(yōu)勢,但是目前來說很多公司的python項目仍然沒有采用pypy來實現(xiàn),原因是
pypy有一個缺陷:C擴展性弱,簡單理解就是python程序中如果混合了C/C++代碼,調(diào)用了C/C++的庫,就會導(dǎo)pypy
不支持或者pypy運行速度變慢很多。而現(xiàn)在很多項目都是采用C/C++/Python混合編程。
但是pypy也有自己的兼容C/C++的方法(但是沒有完全解決擴展性弱的問題),pypy有ctypes和cffi兩種方式來
進行C擴展,以下是一些簡單程序?qū)嶒灒?br />
用ctypes的方式實現(xiàn)C++,python混合編程,先寫一個.cpp然后在python文件中調(diào)用它,最后用Cpython,和pypy分別編譯執(zhí)行都可以跑,說明ctypes是支持C++擴展的



這次用pypy跑的速度就要Cpython不少了
總結(jié)
以上就是本文關(guān)于聊聊Python中的pypy的全部內(nèi)容,希望對大家有所幫助。感興趣的朋友可以繼續(xù)參閱本站其他相關(guān)專題,如有不足之處,歡迎留言指出。感謝朋友們對本站的支持!
相關(guān)文章
Tensorflow中k.gradients()和tf.stop_gradient()用法說明
這篇文章主要介紹了Tensorflow中k.gradients()和tf.stop_gradient()用法說明,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2020-06-06
Python腳本啟動應(yīng)用并輸入賬號或密碼的操作命令
這篇文章主要介紹了Python腳本啟動應(yīng)用并輸入賬號或密碼,安裝所需要的模塊pyautogui、subprocess、psutil等,可以通過pip安裝,下面以安裝pyautogui為例cmd命令行中輸入,需要的朋友可以參考下2024-05-05
Python讀取CSV文件并進行數(shù)據(jù)可視化繪圖
這篇文章主要介紹了Python讀取CSV文件并進行數(shù)據(jù)可視化繪圖,文章圍繞主題基于Python展開CSV文件讀取的詳細(xì)內(nèi)容介紹,感興趣的小伙伴可以參考一下2022-06-06
scrapy自定義pipeline類實現(xiàn)將采集數(shù)據(jù)保存到mongodb的方法
這篇文章主要介紹了scrapy自定義pipeline類實現(xiàn)將采集數(shù)據(jù)保存到mongodb的方法,涉及scrapy采集及操作mongodb數(shù)據(jù)庫的技巧,具有一定參考借鑒價值,需要的朋友可以參考下2015-04-04

