图源：unsplash

当我们提及Python时，常常指的是CPython，即C语言实现的Python，这就是PyPy发挥作用的地方啦。实话讲，Python很慢，而用Python(!)编写的Python在运行时，执行速度比CPython快4.4倍。这是如何实现的呢?

正如Python之父吉多·范罗苏姆（Guido van Rossum）所说：“如果想让代码运行得更快，应该使用PyPy。”

第一批使用PyPy的程序员竞争力很强。有时候，就算花了很多时间用Python编写解决方案，最后也会失败，但是在PyPy中运行同样的代码就会成功。这是为什么?

不同的方法

Python是一种解释性语言，CPython逐行读取并执行源代码。解释性语言（包括JavaScript）有很多优点：

· 易于编写 · 元编程能力强大 · 编译不会失败

当然，它也有一些缺点：

· 在解析源代码时，性能消耗巨大 · 编译不会失败

可以看到，其优缺点都包括了“编译不会失败”。这有时候基于不同的行为（比如原型设计或生产），但我仍然倾向于将其视为一个缺点。而PyPy稍有不同，它不是一个纯粹的解释器，而是实现了跟踪即时(JIT)编译。

即时编译

即时编译介于解释和传统提前编译之间。即时编译器并不执行源代码本身，而是生成一组可立即执行的低层指令（通常是汇编）。

这个插图可以帮助我们理解其中的区别。在编译语言（C、C++、Rust）中，编译阶段严格按照开发环境划分。它生成一个可运行的二进制文件，然后将其发送到生产环境中。

在解释性语言中，情况正好相反：源代码（在*化之后，hello JS）被全部推到生产环境中，由解释器执行。即时编译语言也运送源代码（或字节码，如Java或C#），但它是作为一种常规编译语言编译和运行，而不是逐行解释。

这并不是说一种方法比另一种好，每个用例都将根据其独特的需求指定正确的选择。但是，如果性能非常关键，使用Python解释器感觉很舒服，那么你可以选择PyPy。

跟踪即时编译

与编译或解释一样，实现即时编译也有不同的方法。传统的方法是方法/函数作用域。当代码调用一个函数时，即时编译器将获得它的源代码，进行编译并提供可执行的二进制文件。而PyPy采用的方法稍微不同，这是由Python的特性和用例决定的。

PyPy的编译器不是按方法调用，而是计算循环。由于Python在数据科学、机器学习、高级算法以及数据结构中使用广泛，这是最有意义的。简而言之，PyPy是Python之上的一个优化层。

PyPy并不像所理解的那样严格处理循环。除了常规的for和while结构外，如果PyPy检测到编译工作有价值，它会优化任意代码块。

缺点

图源：unsplash

当然，PyPy也有缺点。即使它能大大提高性能，你也需要知道以下几点：

· 不支持所有的Python。它支持大部分代码，但是如果处理底层的CPython实现细节或者有Cython绑定，它就不起作用了。 · 回溯未来。PyPy当前版本是3.4，而Python目前稳定在3.8，但是回溯法是Python开发者擅长的技术。 · 优化是好事，但不是编写糟糕代码的借口。如果代码无法被人读懂， PyPy又怎能理解呢? · 全局解释器锁还在。如果执行繁重的多线程操作，请选择其他实现方法。

与任何工具一样，在采用之前，我们应该考虑所有的细节。不过，下次登录到Codeforces接受挑战时，不妨试用一下PyPy。有可能O(n^3)错误代码会通过，而在纯Python中，只有O(n log n)会通过。

源代码

虽然本文没有涉及CPython和PyPy的源代码，但是这些文件在CPython (C代码)和PyPy (Python代码)中实现了阶乘函数。

· CPython： https://github.com/python/cpython/blob/master/Modules/mathmodule.c

· PyPy： https://github.com/mozillazg/pypy/blob/50d6bf76ef1f93c234ab42d4dd4a3b974f9665d6/pypy/module/math/app_math.py

其他实现

除了CPython和PyPy，还有其他值得注意的Python实现：

· StacklessPython。它和Python相同，但没有全局解释器锁，《星战前夜》游戏后端用的就是它。 · IronPython是一种在 NET上实现的 Python 语言，它为Python和c#代码提供了非常简单的交互操作。 · JPython同理，但是有Java。

是时候使用PyPy来体验代码加速度啦！

留言点赞发个朋友圈

我们一起分享AI学习与发展的干货

编译组：王欣、朱怡
相关链接：
https://medium.com/better-programming/why-python-written-in-python-is-faster-than-regular-python-b682992d5812

如转载，请后台留言，遵守转载规范

推荐文章阅读

ACL2018论文集50篇解读
EMNLP2017论文集28篇论文解读
2018年AI三大顶会中国学术成果全链接
ACL2017论文集：34篇解读干货全在这里
10篇AAAI2017经典论文回顾

长按识别二维码可添加关注 读芯君爱你