聊聊Python中的pypy，聊聊Pythonpypy

聊聊Python中的pypy，聊聊Pythonpypy

PyPy是一個虛擬機器項目，主要分為兩部分：一個Python的實現和 一個編譯器

PyPy的第一部分: 用Python實現的Python

　 其實這麼說並不準確，準確得說應該是用rPython實現的Python，rPython是Python的一個子集，雖然rPython不是完整的Python，但用rPython寫的這個Python實現卻是可以解釋完整的Python語言。

PyPy的第二部分：編譯器

這是一個編譯rPython的編譯器，或者說這個編譯器有一個rPython的前端，目前也只有這麼一個前端，不過它的後端卻是不少，也就是說這個編譯器支援許多的目標語言，比較重要的有：C，CIL，JavaScript...

第一部分看成pypy(1)第二部分看成pypy(2)

為什麼你在同一層面下同時需要這兩者？你可以這樣想一下：PyPy(1)是一個用RPython寫的解譯器，因此它能載入使用者的Python代碼並將它編譯成位元組碼。但是這個用RPython寫的解譯器本身要能運行，就必須要被另外一個Python實現去解釋。我們可以直接用CPython去.運行這個解譯器。但是這個還不夠快取而代之，我們使用了PyPy(2)去編譯這個PyPy的解譯器，產生其他平台（比如C,JVM或CLI）代碼在我們的機器上運行，並且還加入了JIT特性。JIT能夠把位元組碼轉換成機器語言，pypy之所以快，是因為它整合了JIT跟蹤技術的最佳化編譯器。

pypy效能測試

Cpython2.7.6，pyston0.2，pypy2.2.1的效能對比，使用的是pyston原始碼目錄下的minibenchmarks和microbenchmarks中
的python代碼來跑，對比結果如下表所示

 

	Cpython2.7.6	pyston0.2
microbenchmarks
attribute_lookup.py	258.544s	200.387s	2.667s
attrs.py	0.622s	1.658s	0.086s
closures.py	0.485s	6.658s	0.058s
empty_loop.py	3.532s	19.248s	0.248s
fib2.py	3.375s	0.669s	0.804s
fib.py	3.696s	0.636s	0.864s
function_calls.py	5.283s	0.878s	0.303s
gcj_2014_2_b.py	1.527s	45.803s	0.276s
gcj_2014_3_b.py	0.022s	0.174s	0.069s
iteration.py	0.185s	1.242s	0.062s
lcg.py	2.910s	9.097s	0.235s
listcomp_bench.py	10.132s	56.170s	1.379s
nested.py	0.368s	6.828s	0.057s
polymorphism.py	4.358s	4.390s	14.260s
prime_summing.py	20.197s	43.779s	1.250s
pydigits.py	0.034s	Failed	0.039s
repatching.py	0.475s	0.384s	0.061s
simple_sum.py	0.075s	0.578s	0.040s
sort.py	2.216s	4.587s	0.135s
thread_contention.py	6.486s	8.133s	0.240s
thread_uncontended.py	1.324s	5.823s	0.238s
unwinding.py	1.082s	93.180s	4.481s
vecf_add.py	9.890s	Failed	0.059s
vecf_dot.py	4.944s	8.434s	0.062s
minibenchmarks
allgroup.py	0.836s	Failed	18.804s
chaos.py	26.268s	Failed	1.392s
fannkuch_med.py	0.990s	1.898s	0.325s
fannkuch.py	10.952s	20.834s	2.057s
Go.py	53.787s	Failed	33.638s
interp2.py	5.521s	10.124s	0.701s
interp.py	10.863s	5.035s	0.563s
nbody_med.py	3.132s	6.642s	0.601s
nbody.py	12.677s	25.540s	1.470s
nq.py	29.879s	Failed	44.418s
raytrace.py	11.608s	Failed	1.228s
spectral_norm.py:	14.388s	118.309s	1.333s

pypy編譯除了有顏色背景的資料，其它測試結果基本都是最快的，其中15個程式碼測試結果所花時間不到Cpython的十分之一

pypy的缺陷

可以看出pypy實現python有很大的優勢，但是目前來說很多公司的python項目仍然沒有採用pypy來實現，原因是

pypy有一個缺陷：C擴充性弱，簡單理解就是python程式中如果混合了C/C++代碼，調用了C/C++的庫，就會導pypy

不支援或者pypy運行速度變慢很多。而現在很多項目都是採用C/C++/Python混合編程。

但是pypy也有自己的相容C/C++的方法(但是沒有完全解決擴充性弱的問題），pypy有ctypes和cffi兩種方式來

進行C擴充，以下是一些簡單程式實驗：

用ctypes的方式實現C++，python混合編程，先寫一個.cpp然後在python檔案中調用它，最後用Cpython，和pypy分別編譯執行都可以跑,說明ctypes是支援C++擴充的

這次用pypy跑的速度就要Cpython不少了

總結

以上就是本文關於聊聊Python中的pypy的全部內容，希望對大家有所協助。感興趣的朋友可以繼續參閱本站其他相關專題，如有不足之處，歡迎留言指出。感謝朋友們對本站的支援！