不論什么語言，我們都需要注意性能優(yōu)化問題，提高執(zhí)行效率。選擇了腳本語言就要忍受其速度，這句話在某種程度上說明了Python作為腳本語言的不足之處，那就是執(zhí)行效率和性能不夠亮。盡管Python從未如C和Java一般快速，但是不少Python項(xiàng)目都處于開發(fā)語言領(lǐng)先位置。
Python很簡單易用，但大多數(shù)人使用Python都知道在處理密集型cpu工作時(shí)，它的數(shù)量級(jí)依然低于C、Java和JavaScript。但不少第三方不愿贅述Python的優(yōu)點(diǎn)，而是決定自內(nèi)而外提高其性能。如果你想讓Python在同一硬件上運(yùn)行得更快，你有兩個(gè)基本選擇，而每個(gè)都會(huì)有一個(gè)缺點(diǎn):
·您可以創(chuàng)建一個(gè)默認(rèn)運(yùn)行時(shí)所使用的替代語言(CPython的實(shí)現(xiàn))——一個(gè)主要的任務(wù)，但它最終只會(huì)是CPython的一個(gè)簡易替代者。
·您也可以利用某些速度優(yōu)化器重寫現(xiàn)有Python代碼，這意味著程序員要花更多精力編寫代碼，但不需要在運(yùn)行時(shí)加以改變。
如何進(jìn)行Python性能優(yōu)化，是本文探討的主題。下面是五個(gè)方法可以在某些方面提高Python代碼的性能和執(zhí)行效率。

PyPy

在選擇CPython的簡易替代語言時(shí)，PyPy無疑是最佳之選(如Quora就是由它編寫而成)。由于與現(xiàn)有Python代碼保持高度兼容性，PyPy也是默認(rèn)程序運(yùn)行時(shí)的一個(gè)很好選擇。
PyPy使用了Just-in-Time(JIT)即時(shí)編譯器，即動(dòng)態(tài)編譯器，與靜態(tài)編譯器（如gcc,java等）不同，它是利用程序運(yùn)行的過程的數(shù)據(jù)進(jìn)行優(yōu)化，擁有同谷歌Chrome V8 JavaScript引擎相同的語言加速技術(shù)。本月初，最新版本PyPy 2.5即將發(fā)布，此版本會(huì)有一系列的性能改進(jìn)，提供更全面的如NumPy的支持，用于加速Python性能的共享庫。
Python 3.x必須由單獨(dú)的PyPy3項(xiàng)目構(gòu)建而成。不過，對(duì)于邊緣語言特性 愛好者來說，盡管預(yù)期支持3.3，但實(shí)際此版本最多僅支持Python3.2.4及以下版本。
相關(guān)鏈接：http://pypy.org/

Pyston

Pyston是一款Dropbox推出的新的基于JIT的Python實(shí)現(xiàn)，使用LLVM編譯器實(shí)現(xiàn)代碼解析與轉(zhuǎn)換。與PyPy相比，Pyston仍處于初級(jí)階段，目前最新版本為Pyston 0.2版，支持有限子集語言的相關(guān)特性。Pyston的主要工作包括支持語言的核心功能及提升關(guān)鍵指標(biāo)性能到一個(gè)可接受的水平。不久后，Pyston就可以被認(rèn)為是遠(yuǎn)程生產(chǎn)就緒語言。
相關(guān)鏈接：https://github.com/dropbox/pyston

Nuitka

Nuitka 是一個(gè)Python的替代品，一些團(tuán)隊(duì)正用它做完全的Python編譯工具，并嘗試將Python代碼轉(zhuǎn)譯為其它可高速運(yùn)行的編程語言。Nuitka(nuitka.net)可以將python代碼轉(zhuǎn)換為C++代碼，然后編譯為可執(zhí)行文件，并通過直接調(diào)用python的api的方式實(shí)現(xiàn)從解析語言到編譯語言的轉(zhuǎn)換，并且在轉(zhuǎn)換到C++的過程中直接使用python的解釋器，可以保證100%的語法兼容。雖然這限制了它的可移植性，但不可否認(rèn)這個(gè)轉(zhuǎn)換的速度獲得了肯定。
相關(guān)鏈接：http://nuitka.net/

Cython

Cython是Python 的C語言擴(kuò)展。準(zhǔn)確說Cython是單獨(dú)的一門語言，專門用來寫在Python里面import用的擴(kuò)展庫。實(shí)際上Cython的語法基本上跟Python一致，而Cython有專門的編譯器:先將 Cython代碼轉(zhuǎn)變成C(自動(dòng)加入了一大堆的C-Python API)，然后使用C編譯器編譯出最終的Python可調(diào)用的模塊。不過Cython的缺點(diǎn)是，你并不能真正編寫Python代碼，這樣一來，現(xiàn)有代碼將不會(huì)完全自動(dòng)轉(zhuǎn)移成功。
也就是說，Cython在提速方面有很大優(yōu)勢(shì)，它是一個(gè)用來快速生成Python擴(kuò)展模塊(extention module)的工具。而在Cython，C里的類型，如int,float,long，char*等都會(huì)在必要的時(shí)候自動(dòng)轉(zhuǎn)成python對(duì)象，或者從python對(duì)象轉(zhuǎn)成C類型，在轉(zhuǎn)換失敗時(shí)會(huì)拋出異常，這正是Cython最神奇的地方。另外，Cython對(duì)回調(diào)函數(shù)的支持也很好?？傊?，如果你有寫python擴(kuò)展模塊的需求，那么Cython真的是一個(gè)很好的工具。
相關(guān)鏈接：http://cython.org/

Numba

Numba綜合了前兩種方法，是Cython的競爭項(xiàng)目。同樣的，numba把Python源碼通過LLVMPy生成JIT后的.so文件來加速。不同點(diǎn)在于，Numba是以JIT為主的，加速對(duì)源碼的侵入性較小。而Cython則重點(diǎn)在加速高性能Python模塊的開發(fā)上，不依賴LLVMPy項(xiàng)目。此外numba還很不成熟，目前兼容性相當(dāng)差。
相關(guān)鏈接：http://numba.pydata.org/

Python創(chuàng)始人Guido van Rossum堅(jiān)信Python的許多性能問題可以歸結(jié)為語言的使用不當(dāng)。例如，對(duì)于CPU消耗過高的處理，可以通過一些方法來加速Python運(yùn)行——使用NumPy、使用多處理器擴(kuò)展、或借助外部C代碼從而避免全局解釋器鎖(GIL)——Python緩慢的根源。但由于在Python中還沒有可行的GIL替代語言，Python仍將在短期落后于其他語言——甚至可能更長時(shí)間。

最新評(píng)論