结论先行：Python 的一次函数调用不是「一条跳转指令」，而是解释器现场搭一座「栈帧」——保存返回地址、局部变量、命名空间，再按字节码逐条分派执行，最后拆掉栈帧。这套机制的代价单次约几十到上百纳秒，是 C 的几十倍；但 Python 3.11 对调用链做了专项优化（自适应字节码 + 帧内联），实测同样的调用比 3.10 快了 15% 以上。这篇用 4 组实验把「慢在哪」「怎么优化」「别过度优化」一次讲透。

1. 先量一下：一次函数调用到底多少钱

import timeit

def f():
    pass

timeit.timeit("f()", globals=globals(), number=10_000_000)

在一台普通 x86 机器上，CPython 3.10 跑出的结果大约是 

。作为对比，同样空函数在 C 里是 1~2ns 的量级。

60ns 是什么概念？够 CPU 执行两三百个时钟周期。一次「什么都不做」的函数调用，解释器在背后干了一大堆活。这些活可以拆成三块：

栈帧创建、字节码分派、名字查找

2. 第一块账：栈帧的搭建与销毁

 模块可以看见这一切的触发点：

import dis
def g():
    x = 1
    return x

dis.dis(g)

  1           0 RESUME                   0
  2           2 LOAD_CONST               1 (1)
              4 STORE_FAST               0 (x)
              6 LOAD_FAST                0 (x)
              8 RETURN_VALUE

，它不干业务，只负责「这个帧开始了」。同理，函数返回时解释器还要把帧对象从调用栈上摘下来，该回收的回收。

这些工作 C 函数一概没有：C 的调用就是把参数压栈、

，编译期就把地址算死了。Python 把 C 在编译期做的事，全部挪到了运行时——这是动态语言的通例，也是它慢的根源。

3. 第二块账：字节码分派，一次调用几十条指令

  2           0 RESUME                   0
  2           2 LOAD_GLOBAL              0 (f)
             12 PRECALL                  0
             16 CALL                     0
             26 POP_TOP
             28 LOAD_CONST               0 (None)
             30 RETURN_VALUE

 才是大众理解的「调用」，前后全是杂活。

 拆分和自适应 specializing 字节码，对热点调用点动态生成「专用版」指令，绕开通用的函数对象查找路径。实测同一段循环调用代码，3.11 比 3.10 快 

4. 第三块账：名字查找，全局变量为什么贵

 值得单独说。Python 的变量查找顺序是

import timeit

G = 42
def use_global():
    return G

def use_local():
    G = 42
    return G

timeit.timeit(use_global, number=10_000_000)   # 慢
timeit.timeit(use_local,  number=10_000_000)   # 快

局部变量在帧里是数组下标访问（

，O(1) 直接索引），全局变量要走字典查找（

把循环里反复用的全局量绑定成局部，是零成本的优化

def loop_bad():
    for _ in range(1000):
        len([])        # 每次 LOAD_GLOBAL 找 len

def loop_good():
    _len = len        # 一次绑定
    for _ in range(1000):
        _len([])

 每多包一层函数就多一座栈帧，纯 Python 层的内联优化不可靠，但「把 3 层薄封装合成 1 层」永远是有效的。

 方法调用贵，属性访问也贵——实例的 

 测出的 60ns 是理想值，真实业务里函数调用永远淹没在 I/O、序列化、网络里。

 看累计时间，不要盯着单次调用抠纳秒。

 把代码拆成天书，省下的时间还不够一次 

 3.11/3.12 对调用链的优化让很多「老经验」失效，拿 3.8 的结论指导 3.13 的代码，等于拿前朝的剑斩本朝的官。

一句话总结：Python 函数调用的开销 = 栈帧搭建销毁 + 字节码分派 + 全局名字字典查找，三重成本全是「把编译期的事挪到运行时」的代价；优化就三招——减层数、绑局部、上 

，但永远记住：真实性能瓶颈几乎从来不在函数调用本身，profile 之前，别动代码。

Python 函数调用到底慢在哪？一次调用背后的栈帧、字节码和名字查找，3 个实验看明白

一次函数调用 = 栈帧搭建销毁 + 字节码分派 + 全局名字字典查找，三重成本全是把编译期的事挪到运行时的代价；优化三招：减层数、绑局部、上 __slots__。

编程语言

Python函数调用单次约60ns，慢在栈帧创建销毁、字节码分派和全局名字字典查找三重成本，是C的几十倍。3.11通过specializing字节码优化调用链，实测提升10%-25%。优化三招：减少调用层数、循环内绑定全局变量、使用__slots__。但真实瓶颈很少在调用本身，务必先profile再优化，避免过度设计。

解释器

Python

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

Python 函数调用到底慢在哪？一次调用背后的栈帧、字节码和名字查找，3 个实验看明白

Python 函数调用到底慢在哪？一次调用背后的栈帧、字节码和名字查找，3 个实验看明白

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐