[[434458]]

眾所周知， Python 編寫的程序運(yùn)行不快，這種慢雖無大礙，但為了獲得更高的性能，我們需要再切換到另一種編程語言嗎?不一定。我們可以放棄python.py的運(yùn)行方式，轉(zhuǎn)而使用 PyPy 即時編譯器。

根據(jù)官方網(wǎng)站的說法，就連Python 創(chuàng)建者 Guido von Rossum 都建議將 PyPy 用于關(guān)鍵性能的 Python 程序。接下來我們看看 PyPy 有多快。

基準(zhǔn)測試的工作原理

為了比較 Python 和 PyPy，我編寫了幾個 Python 程序。著名算法、典型用例，甚至是基本的 HTTP 服務(wù)器。然后我用 Python 和 PyPy 執(zhí)行程序——在 macOS 和 Linux 的終端中使用time模塊，可以看到執(zhí)行某事的持續(xù)時間。使用 time模塊 看起來像這樣：

time python.py 

執(zhí)行完成后，time模塊會報(bào)告您花費(fèi)的時間。

使用的版本：

PyPy：7.3.5，使用 Python 版本 3.7.10 
 
Python：版本 3.9.7 

這兩個版本都是目前可用的最新版本。程序本身不記錄任何內(nèi)容。我們只關(guān)心進(jìn)行計(jì)算。

這是準(zhǔn)備好的代碼片段。讓我們對每個場景進(jìn)行基準(zhǔn)測試。

1. 斐波那契

以下函數(shù)生成我們傳遞給它的數(shù)字的斐波那契值。

結(jié)果：

Python 平均需要 2337 毫秒的執(zhí)行時間。

PyPy 平均只需要 301 毫秒。明顯的贏家是 PyPy。

2. web服務(wù)

為了對 PyPy 和 Python 處理 HTTP 請求的性能進(jìn)行基準(zhǔn)測試，使用 time 命令測量時間是行不通的。有效的是“wrk”——一個基準(zhǔn)測試工具，在服務(wù)器上觸發(fā)大量 HTTP 請求。

因此，它為我們提供了有關(guān)服務(wù)器平均響應(yīng)速度以及它可以處理多少 HTTP 請求的數(shù)據(jù)。

上面顯示的 Web 服務(wù)器在端口 4000 上為目錄“app”提供服務(wù)。在這個目錄中，我創(chuàng)建了一個小的 hello-world HTML 文件?；鶞?zhǔn)測試在終端中執(zhí)行：

wrk -t12 -c400 -d10s http://localhost:4000/ 

結(jié)果如下：

Python：Web 服務(wù)器平均每秒可以處理 995 個請求，平均延遲為 2.03 毫秒。

PyPy：Web 服務(wù)器平均每秒可以處理 1481 個請求，平均延遲為 1.90 毫秒。如您所見，PyPy 要快得多。

3. 快速排序

快速排序可能是最有效的排序算法。這是它在 Python 中的實(shí)現(xiàn)：

在 Quicksort 實(shí)現(xiàn)下面，我們生成了 500 個隨機(jī)數(shù)并將它們存儲在一個數(shù)組中。這個數(shù)組是 Quicksort 算法將要排序的。

結(jié)果如下：

Python：平均而言，代碼執(zhí)行時間為 43 毫秒

PyPy：平均執(zhí)行時間為 132 毫秒。

是的，Python 在這里更快。 這也可以在內(nèi)部測量時間時確認(rèn)，使用 start = time.time() 技巧。

4. 堆棧

棧是一種簡單的數(shù)據(jù)結(jié)構(gòu)。它是一個數(shù)組的更漂亮的詞，我們在它上面推東西并從中彈出它。下面的代碼創(chuàng)建這個數(shù)組，在堆棧上壓入和彈出 1000 萬個數(shù)字：

讓我們看看兩者的速度有多快。

Python：代碼平均耗時 2.89 秒

PyPy：平均需要 69 毫秒。是的，我說的是毫秒。

在這個基準(zhǔn)測試中，PyPy 比普通 Python 快幾個數(shù)量級。

5. SQlite3 Database

數(shù)據(jù)庫是大型項(xiàng)目中常用的東西。我選擇 SQLite 來做一個基準(zhǔn)測試，因?yàn)樗苋菀着c Python 一起使用——不需要通過 pip 安裝任何東西。以下代碼在基于文件的 SQLite 數(shù)據(jù)庫中創(chuàng)建一個新表。

在每次基準(zhǔn)測試之前，我刪除了數(shù)據(jù)庫文件并創(chuàng)建了一個普通的新文件。但是數(shù)據(jù)庫存儲什么?范圍函數(shù)生成一百萬個數(shù)字，然后將每個數(shù)字加倍——函數(shù) f(n) = n * 2。數(shù)據(jù)庫存儲每個函數(shù)對，例如“2、4”或“18、36”。

結(jié)果：

Python 平均需要 6.7 秒來執(zhí)行代碼。

PyPy 平均需要 9.4 秒的執(zhí)行時間。

Python 更快。我還嘗試將其與其他操作結(jié)合使用——比如刪除剛剛創(chuàng)建的條目。它沒有改變結(jié)果。在 SQlite3 數(shù)據(jù)庫的情況下， Python 比 PyPy 快。

總的來說，這讓我很驚訝。當(dāng) Python 勝過 PyPy 時，并不是關(guān)于數(shù)量級的。由于我不是 Python 或 PyPy 專家，我不確定為什么 Python 在某些情況下更好。可能是因?yàn)?PyPy 是一個 JIT 編譯器，所以在運(yùn)行它時，它首先編譯代碼。

另一方面，默認(rèn)的 Python 解釋器不會這樣做。因此，對于 PyPy 的劣勢，JIT 編譯增加了一些所需的時間。盡管如此，PyPy 在某些情況下提供了更快的執(zhí)行速度。 如您所見，它在 5 種情況下的 3 種情況下提供了更快的執(zhí)行。 

原文：https://louispetrik.medium.com/pypy-vs-python-49153daca65c