快捷導(dǎo)航

pypy提升python項(xiàng)目性能使用詳解

更新時(shí)間：2022年12月11日 09:26:19 作者：曲鳥

這篇文章主要為大家介紹了pypy提升python項(xiàng)目性能使用詳解，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步，早日升職加薪

一、PyPy介紹

PyPy是用Python實(shí)現(xiàn)的Python解釋器的動(dòng)態(tài)編譯器，是Armin Rigo開發(fā)的產(chǎn)品，能夠提升我們python項(xiàng)目的運(yùn)行速度。PyPy 是利用即時(shí)編譯的 Python 的替代實(shí)現(xiàn)。

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

根據(jù)官方文檔的介紹可以看到，平均下來(lái)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(diǎn):

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(shí)現(xiàn)，基本可以無(wú)縫切換
PyPy為許多平臺(tái)和操作系統(tǒng)提供預(yù)編譯的二進(jìn)制文件：

二、PyPy安裝

我們直接訪問(wèn)下載地址：www.pypy.org/download.ht… 下載對(duì)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(tái)中執(zhí)行pypy就可以開始使用它了：

三、PyPy和Python測(cè)試對(duì)比

我們可以通過(guò)一個(gè)簡(jiǎn)單的腳本來(lái)測(cè)試一下它們之間的性能差異，下面是一個(gè)循環(huán)3千萬(wàn)次的累乘計(jì)算：

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

測(cè)試結(jié)果

python耗時(shí)： 0:00:03.357052
pypy耗時(shí)： 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(xiàng)

經(jīng)過(guò)測(cè)試PyPy也有一些庫(kù)是不支持的：

pyinstrument
sshtunnel

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

另外，對(duì)于諸如numpy、pandas這類本身就是C語(yǔ)言開發(fā)的擴(kuò)展時(shí)，PyPy的性能反而會(huì)更低，PyPy只對(duì)純Python庫(kù)有明顯的性能提升。

最后在你決定要使用PyPy時(shí)，你應(yīng)該思考你的項(xiàng)目是否有性能瓶頸，或者性能瓶頸是因?yàn)镻ython本身效率慢的問(wèn)題。如果是后端接口項(xiàng)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(wèn)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(wèn)題。

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

您可能感興趣的文章: