Python因其強(qiáng)大、靈活且易于使用等特性，而贏得了聲譽(yù)。這些優(yōu)點(diǎn)使其在各種各樣的應(yīng)用程序、工作流程和領(lǐng)域中得到了廣泛應(yīng)用。但是就語(yǔ)言的設(shè)計(jì)，也就是它天然的解釋能力還有它的運(yùn)行時(shí)的動(dòng)態(tài)性而言，Python總是比C或C ++這樣的機(jī)器本地語(yǔ)言慢一個(gè)數(shù)量級(jí)。

多年來(lái)，開發(fā)人員已經(jīng)為Python的速度限制提出了各種變通方法。例如你可以在C中編寫性能密集型任務(wù)并使用Python封裝它，許多機(jī)器學(xué)習(xí)庫(kù)正是這樣做的?；蛘吣憧梢允褂肅ython，這個(gè)項(xiàng)目可以將Python種加上運(yùn)行時(shí)類型信息以便編譯為C，通過(guò)這種方式來(lái)允許你使用Python代碼。

但變通辦法從來(lái)都不是理想的。如果我們能夠按原樣使用現(xiàn)有的Python程序并以更快的速度運(yùn)行它，那不是很好嗎？這正是PyPy允許你做的事情。

PyPy與CPython

PyPy是Python解釋器CPython的直接替代品。CPython將Python編譯為中間字節(jié)碼然后由虛擬機(jī)解釋，而PyPy使用實(shí)時(shí)（JIT）編譯將Python代碼轉(zhuǎn)換為本地機(jī)器的匯編語(yǔ)言。

根據(jù)正在執(zhí)行的任務(wù)，性能提升可能會(huì)非常顯著。平均而言，PyPy將Python加速了大約7.6倍，一些任務(wù)加速了50倍或更多。CPython解釋器根本不會(huì)執(zhí)行與PyPy一樣的優(yōu)化方式，并且可能永遠(yuǎn)不會(huì)，因?yàn)檫@不是它的設(shè)計(jì)目標(biāo)之一。

最好的部分是開發(fā)人員需要很少甚至不需要努力來(lái)解鎖PyPy提供的收益。只需將CPython替換為PyPy，并且大部分都已完成。下面討論了一些例外，但是PyPy的目標(biāo)是運(yùn)行現(xiàn)有的，并且未經(jīng)修改的Python代碼并為其提供自動(dòng)化的速度提升。

PyPy目前通過(guò)項(xiàng)目的不同版本支持Python 2和Python 3。換句話說(shuō)，你需要下載不同版本的PyPy，具體取決于你運(yùn)行的Python版本。 PyPy的Python 2分支已經(jīng)存在了很長(zhǎng)時(shí)間，但到目前為止，python 3版本的速度已經(jīng)提高了很多。PyPy目前支持Python 3.5（發(fā)布版本）和Python 3.6（beta版本）。

除了支持所有核心Python語(yǔ)言外，PyPy還可以與Python生態(tài)系統(tǒng)中的絕大多數(shù)工具配合使用，例如用于打包的pip或用于虛擬環(huán)境的virtualenv。大多數(shù)Python軟件包，即使是那些帶有C模塊的軟件包，都會(huì)按照原樣運(yùn)行。當(dāng)然，也存在一些限制，我們將在下面介紹一些限制。

PyPy如何工作

PyPy使用其他即時(shí)編譯器中的動(dòng)態(tài)語(yǔ)言優(yōu)化技術(shù)。它分析運(yùn)行的Python程序，以確定在程序中創(chuàng)建和使用對(duì)象時(shí)的類型信息，然后使用該類型信息作為指導(dǎo)來(lái)加快速度。例如，如果Python函數(shù)僅使用一種或兩種不同的對(duì)象類型，PyPy會(huì)生成機(jī)器代碼來(lái)處理這些特定情況。

PyPy的優(yōu)化是在運(yùn)行時(shí)自動(dòng)處理，因此你通常不需要調(diào)整其性能。高級(jí)用戶可能會(huì)嘗試使用PyPy的命令行選項(xiàng)來(lái)為特殊情況生成更快的代碼，但這種情況通常很少需要。

PyPy也脫離了CPython處理一些內(nèi)部函數(shù)的方式，但它同時(shí)試圖保留兼容的行為。例如PyPy處理垃圾回收的方式與CPython不同。并非所有對(duì)象一旦超出范圍就立即回收，所以在PyPy下運(yùn)行的Python程序可能比在CPython下運(yùn)行時(shí)顯示占用更大的內(nèi)存。但你仍然可以使用通過(guò)gc模塊公開的Python高級(jí)垃圾回收控件，例如gc.enable()，gc.disable()和gc.collect()等等。

如果你想在運(yùn)行時(shí)獲得有關(guān)PyPy的JIT（實(shí)時(shí)）行為的信息，PyPy包含一個(gè)模塊pypyjit，它向你的Python應(yīng)用程序公開了許多JIT關(guān)聯(lián)信息。如果你的某個(gè)功能或模塊在JIT上表現(xiàn)不佳，那么pypyjit可以讓你獲得有關(guān)它的詳細(xì)統(tǒng)計(jì)信息。

另一個(gè)特定于PyPy的模塊，__pypy__暴露了PyPy特有的其他功能，因此對(duì)于編寫利用這些功能的應(yīng)用程序非常有用。由于Python的運(yùn)行的動(dòng)態(tài)性，有可能構(gòu)建在PyPy存在時(shí)使用這些功能的Python應(yīng)用程序，而在不存在時(shí)忽略它們。

PyPy的限制

可能看PyPy起來(lái)像魔法一樣神奇，但其實(shí)它并不神奇。 PyPy同樣具有某些限制，可以削弱或消除某些程序的有效性。唉，PyPy不是CPython運(yùn)行時(shí)的完全的通用替代品。

PyPy最適合純Python的應(yīng)用程序

PyPy在“純”Python應(yīng)用程序中表現(xiàn)最佳，換句話說(shuō)也就是用Python編寫的沒有夾雜其他語(yǔ)言的應(yīng)用程序中表現(xiàn)最佳。由于PyPy模仿CPython的本機(jī)二進(jìn)制接口的方式，與C庫(kù)（如NumPy）接口的Python包也沒有那么出類拔萃了。

PyPy的開發(fā)人員已經(jīng)解決了這個(gè)問題，并使PyPy與大多數(shù)依賴于C擴(kuò)展的Python包更加兼容。例如Numpy現(xiàn)在與PyPy兼容的非常好。但是，如果你希望與C的擴(kuò)展最大程度地兼容，請(qǐng)使用CPython。

PyPy適用于運(yùn)行時(shí)間較長(zhǎng)的程序

PyPy優(yōu)化Python程序的一個(gè)副作用是，運(yùn)行時(shí)間較長(zhǎng)的程序通過(guò)PyPy的優(yōu)化獲益最多。程序運(yùn)行的時(shí)間越長(zhǎng)，PyPy可以收集的運(yùn)行時(shí)類型信息就越多，它可以進(jìn)行的優(yōu)化就越多。一勞永逸的Python腳本不會(huì)從這種事情中受益。例如受益的Python應(yīng)用程序通常具有長(zhǎng)時(shí)間循環(huán)運(yùn)行的行為，或者在Web框架的后臺(tái)中連續(xù)運(yùn)行。

PyPy沒有預(yù)編譯

PyPy編譯Python代碼，但它不是Python代碼的編譯器。由于PyPy執(zhí)行其優(yōu)化的方式和Python的固有動(dòng)態(tài)特點(diǎn)，因此無(wú)法將生成的JITted代碼作為獨(dú)立二進(jìn)制文件發(fā)出并重新使用它。每次運(yùn)行都必須編譯每個(gè)程序。如果你想將Python編譯成可以作為獨(dú)立應(yīng)用程序運(yùn)行的更快的代碼，那么還是請(qǐng)使用Cython、Numba或當(dāng)前實(shí)驗(yàn)性的Nuitka項(xiàng)目。