一、PyPy介紹

PyPy是用Python實現(xiàn)的Python解釋器的動態(tài)編譯器，是Armin Rigo開發(fā)的產(chǎn)品，能夠提升我們python項目的運行速度。PyPy 是利用即時編譯的 Python 的替代實現(xiàn)。

背后的原理是 PyPy 開始時就像一個解釋器，直接從源文件運行我們的 Python 代碼。但是，PyPy 不是逐行運行代碼，而是在執(zhí)行它們之前將部分代碼編譯為機器代碼。

根據(jù)官方文檔的介紹可以看到，平均下來PyPy比CPython（也就是我們主流使用的python）快4.5倍：

PyPy除了速度快外，還有下面一些特點:

• 內(nèi)存使用情況比cpython少
• gc策略更優(yōu)化
• Stackless 協(xié)程模式默認(rèn)支持，支持高并發(fā)
• 兼容性好，高度兼容cpython實現(xiàn)，基本可以無縫切換
• PyPy為許多平臺和操作系統(tǒng)提供預(yù)編譯的二進制文件：

二、PyPy安裝

我們直接訪問下載地址：www.pypy.org/download.ht… 下載對應(yīng)的包使用即可。

下載完成后解壓到任意目錄然后加入到環(huán)境變量中：

然后在控制臺中執(zhí)行pypy就可以開始使用它了：

三、PyPy和Python測試對比

我們可以通過一個簡單的腳本來測試一下它們之間的性能差異，下面是一個循環(huán)3千萬次的累乘計算：

import datetime
x = 0
start_time = datetime.datetime.now()
for i in range(30000000):
    x += i * i
print('耗時：', datetime.datetime.now() - start_time)

測試結(jié)果

python耗時： 0:00:03.357052
pypy耗時： 0:00:00.761932

可以看到有近4.5倍的性能差距，這也符合PyPy官網(wǎng)介紹的。

四、PyPy注意事項

經(jīng)過測試PyPy也有一些庫是不支持的：

• pyinstrument
• sshtunnel

這只是我經(jīng)常使用的一些庫中發(fā)現(xiàn)不支持的庫，但絕大部分的庫都是支持的，比如Django、requests、pymysql 等。

另外，對于諸如numpy、pandas這類本身就是C語言開發(fā)的擴展時，PyPy的性能反而會更低，PyPy只對純Python庫有明顯的性能提升。

最后在你決定要使用PyPy時，你應(yīng)該思考你的項目是否有性能瓶頸，或者性能瓶頸是因為Python本身效率慢的問題。如果是后端接口項目（類似使用flask、django開發(fā)的后端）其性能瓶頸往往在SQL的執(zhí)行和代碼本身的邏輯問題上，而不是python執(zhí)行慢導(dǎo)致的。所以即便你使用了PyPy也大概率不能解決你的性能問題。

以上就是pypy提升python項目性能使用詳解的詳細(xì)內(nèi)容，更多關(guān)于python pypy項目性能提升的資料請關(guān)注腳本之家其它相關(guān)文章！

最新評論