提升Python运行速度的几款工具

尽管Python近年来备受欢迎且极具便利性，但广大Python用户都明白，在涉及CPU密集型任务时，其执行速度相较于C、Java或JavaScript等语言会慢得多，速度差异甚至可以达到几个数量级。

但是有几个项目吸纳Python的所有优点的同时，决定从内到外提升它的性能。

如果你想让Python在相同的硬件上运行得更快，你有两个基本选项，每个选项都有一个缺点。

• 你可以创建一个语言所使用的默认运行时的替代品 (例如，CPython)--这是个大工程
• 你可以重写现有的Python代码，对其进行速度优化，这意味着程序员要做更多的工作

以下是六种提高Python性能的方法。每一种都使用了这两种方法中的一种，或者是两种方法的结合。

PyPy

在替代CPython的候选者中，PyPy是其中较为突出的一款。

它也最有可能成为默认版本，因为它与现有的 Python 代码高度兼容。

PyPy使用的是及时编译（JIT），谷歌Chrome的V8 JavaScript引擎也使用同样的技术来加快该语言的速度。

虽然PyPy曾经偏爱于Python 2而不是Python 3，但PyPy的最新版本支持Python 3.6和Python 3.7以及Python 2.7。

但，PyPy有一个明显的缺点，PyPy没有很好地集成用于加速Python性能的常用库，如NumPy。

然而，最近的版本在很大程度上解决了这个问题。

PyPy仍有其他限制，它最适合像服务器这样的长期运行程序，而临时运行的脚本，因为它的性能优势要在一些预热时间之后才会真正体现出来。而且，它的可执行文件比CPython占用的空间更大。

Pyston

Pyston项目最初是由Dropbox创建的，但后来被重写，也使用JIT来加快Python的速度。

它最初的化身使用了LLVM编译器基础架构来实现这一目的，但重写后放弃了LLVM，而采用了开销更低的hand-rolled汇编器。

重写也使用CPython代码作为项目的基础，所以它与传统Python的开箱即用兼容性更高。

Pyston的速度还不是很显著--平均快了 20% 左右--但这个项目还处于起步阶段。

Nuitka

还有一些思路并不是为了优化和提升Python的运行时间，而是完全放弃对于它的优化。

进而寻求将Python代码移植到本地高速运行的语言中。

Nuitka就利用了这一思路，它可以将Python转换为C++代码，并且可以自动打包所有CPython运行时所需的文件。

Nuitka的长期计划包括允许Nuitka编译的Python直接与C代码接口，从而实现更高的速度。

Cython

Cython（Python的C扩展）是一种将代码编译成C语言并提供与C/C++代码接口的版本，这是为Python编写C扩展的一种方式，它将C或C++代码包装起来，并赋予它一个简单的Python接口，Cython也可以用来增量加速Python函数。

它的缺点是，Cython使用自己特有的语法来发挥它的作用，这也给移植代码带来一定困难。

尽管如此，为了速度，Cython 提供了前几个Python版本中没有的优势，例如，利用C语言中的变量类型。

许多Python的科学软件包，如Scikit-learn，都借鉴了Cython的这种特性，以保持操作的精简和快速。

Numba

Numba结合了前面两种方法。

像Cython一样，它加快了语言中最需要的部分（通常是CPU绑定的数学运算）；

像PyPy和Pyston一样，它使用JIT编译。

用Numba编译的函数可以用装饰器指定，使用非常简单。此外，Numba与它我们熟悉的库配合得很好，比如NumPy。

typed_python

typed_python 项目是 A Priori 投资公司支持的一个新生事物，它采用了不同于上述任何一个项目的方法。

它为Python提供了一个强类型数据结构的集合，这些数据结构的类型受到限制。

例如，我们可以创建一个只接受整数的列表。

有了它，我们就可以生成高度优化的代码，这些代码运行得更快，并尽可能地利用处理器的并行性。

我们可以用传统的 Python 编写大部分程序，然后在一个特定的函数中使用 typed_python 来加速其操作，这就像 Cython 可以用来选择性的加速那些可能成为瓶颈的部分一样。

结语

Python之父Guido van Rossum 坚定地认为，Python 的许多性能问题都可以追溯到对该语言的不当使用。

例如，CPU负荷大的处理可以通过这里提到的一些方法来加速：

• 使用NumPy (用于数学与运算)
• 使用多处理扩展
• 调用外部C代码，从而避免全局解释器锁(GIL)

GIL是Python慢的根源，但由于目前还没有可行的方法来替代 Python 中的 GIL，所以就需要其他人提出短期的解决方案--也许还有长期的解决方案。