PyPy 如何让Python代码运行得和C一样快

1. 引言

作为一名算法工程师，如何快速实现一个想法并验证它是否有效对日常工作至关重要。Python 是一个出色的工具，可以很方便地实现这一点。它允许我们专注于想法本身，而不会被繁杂的代码实现所困扰。

然而，小伙伴们一定都听说过，Python脚本语言有一个致命缺点：相比比 C 或 C++ 等编译语言Python运行慢得多。那么，在我们通过构建 Python 快速实现了一个想法之后，现在我们想将它变成一个快速且高性能的工具，我们该怎么办？通常情况下，我们最终会耗费大概两倍的时间来将 Python 代码手动转换为 C/C++。

但是如果我们的 Python 代码本身可以运行得更快，那不是很好吗？那么如何实现呢？

幸运的是，我偶然发现了该问题的解决方案：PyPy，它是 Python运行时快速的替代品。

2. 举个栗子

为了直观对比 PyPy可以提升多少加速效果，我在以下示例中同时运行了默认的 Python 解释器和 使用PyPy，

代码如下：

import time
from termcolor import colored

start = time.time()
number = 0
for i in range(100000000):
    number += i
    
print(colored("FINISHED", "green"))
print(f"Ellapsed time: {time.time() - start} s")

简单来说，上述脚本在一个循环中将 0 到 100,000,000 之间的所有整数相加，并在完成时打印一条消息和整个代码脚本运行时间。

对比结果如下：

尽管只是简单的对比，但上述例子的加速效果仍然令人兴奋。与大约需要 10 秒的默认 Python 解释器相比，PyPy 仅在 0.22 秒后就完成了执行！另外，请注意，我们可以直接将 Python 代码提供给 PyPy，而无需对代码做任何更改。

当我们将其与 C语言实现的版本进行比较时，结果会更加令人印象深刻。在我的电脑上，C 中的等效实现需要 0.32 秒。尽管在大多数情况下 C 总体上仍然是速度大师，但 PyPy 在某些情况下可以击败 C。

需要注意的是：

当我们的程序大部分运行时间都来自于调用非 python 库(比如Cpython)时，PyPy 的效率会降低。但是，如果我们有一个缓慢的程序，大部分时间都花在执行调用 Python库相关代码上时，那么 PyPy 可以极大地提升代码的运行效率。

3. 刨根问底

如果你也是第一次遇到 PyPy，那么您可能会问自己"PyPy运行这么快的背后原理是啥？"
额。。。 回顾我们的实验，我们运行完全相同的代码，并且使用 PyPy 似乎可以免费获得巨大的加速，黑科技哎。。。

其实尽管代码完全相同，但两种方式下的代码的执行方式却大不相同。 PyPy 性能提升的秘诀在于即时编译，简称 JIT 编译。

3.1 提前编译

C、C++ 以及 Swift、Haskell、Rust 等编程语言都是提前编译的。这意味着，在我们用这些语言编写了一些代码之后，需要点击一个build按钮，编译器就会将源代码转换为机器可读的代码，由一种特定的计算机架构读取。每当执行程序时，您的原始源代码早已不复存在。执行的只是机器代码。

3.2 语言可解释性

Python、JavaScript、PHP 等类似开发语言采用不同的方法。它们都是可以被解释的。与将源代码转换为机器代码相比，源代码保持不变。每次程序运行时，解释器都会逐行“查看”代码并为我们运行它。

对于 JavaScript，每个 Web 浏览器都内置了一个解释器。标准的 Python 解释器称为 CPython。但是，区分 Python 语言脚本和运行代码的解释器工具是非常重要的，那是因为我们可以拥有完全不同的工具，它们都具有运行 Python 代码的能力。这就是 PyPy 发挥作用的地方。

3.3 即时编译

PyPy 是利用即时编译的 Python 的替代实现。背后的原理是 PyPy 开始时就像一个解释器，直接从源文件运行我们的 Python 代码。但是，PyPy 不是逐行运行代码，而是在执行它们之前将部分代码编译为机器代码，可以说是及时。

从这个意义上说，JIT 编译是解释和提前编译的结合。这样，我们不仅获得了提前编译的性能提升，而且解释性语言的灵活性和跨平台可用性也保留了下来。

4. 总结

现在我们了解了 PyPy 如何实现惊人的性能提升背后的原理。在官网 pypy.org 上免费提供PyPy安装包。除了工具本身，该网站还包含大量关于微调 Python 程序以进一步提高性能的技巧。由于 PyPy 只是 Python 的一种替代实现，大多数时候它都是开箱即用，无需对 Python 项目进行任何更改。它与 Web 框架 Django、科学计算包 Numpy 和许多其他包完全兼容，推荐大家多多使用。

到此这篇关于 PyPy 如何让Python代码运行得和C一样快的文章就介绍到这了,更多相关让 Python代码运行得和C一样快内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！

最新评论