聊聊Python中的pypy

PyPy是一个虚拟机项目，主要分为两部分：一个Python的实现和 一个编译器

PyPy的第一部分: 用Python实现的Python

　 其实这么说并不准确，准确得说应该是用rPython实现的Python，rPython是Python的一个子集，虽然rPython不是完整的Python，但用rPython写的这个Python实现却是可以解释完整的Python语言。

PyPy的第二部分：编译器

这是一个编译rPython的编译器，或者说这个编译器有一个rPython的前端，目前也只有这么一个前端，不过它的后端却是不少，也就是说这个编译器支持许多的目标语言，比较重要的有：C，CIL，JavaScript...

第一部分看成pypy(1)第二部分看成pypy(2)

为什么你在同一层面下同时需要这两者？你可以这样想一下：PyPy(1)是一个用RPython写的解释器，因此它能加载用户的Python代码并将它编译成字节码。但是这个用RPython写的解释器本身要能运行，就必须要被另外一个Python实现去解释。我们可以直接用CPython去.运行这个解释器。但是这个还不够快取而代之，我们使用了PyPy(2)去编译这个PyPy的解释器，生成其他平台（比如C,JVM或CLI）代码在我们的机器上运行，并且还加入了JIT特性。JIT能够把字节码转换成机器语言，pypy之所以快，是因为它整合了JIT跟踪技术的优化编译器。

pypy性能测试

Cpython2.7.6，pyston0.2，pypy2.2.1的性能对比，使用的是pyston源代码目录下的minibenchmarks和microbenchmarks中
的python代码来跑，对比结果如下表所示

 

	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编译除了有颜色背景的数据，其它测试结果基本都是最快的，其中15个程序代码测试结果所花时间不到Cpython的十分之一

pypy的缺陷

可以看出pypy实现python有很大的优势，但是目前来说很多公司的python项目仍然没有采用pypy来实现，原因是

pypy有一个缺陷：C扩展性弱，简单理解就是python程序中如果混合了C/C++代码，调用了C/C++的库，就会导pypy

不支持或者pypy运行速度变慢很多。而现在很多项目都是采用C/C++/Python混合编程。

但是pypy也有自己的兼容C/C++的方法(但是没有完全解决扩展性弱的问题），pypy有ctypes和cffi两种方式来

进行C扩展，以下是一些简单程序实验：

用ctypes的方式实现C++，python混合编程，先写一个.cpp然后在python文件中调用它，最后用Cpython，和pypy分别编译执行都可以跑,说明ctypes是支持C++扩展的

这次用pypy跑的速度就要Cpython不少了

总结

以上就是本文关于聊聊Python中的pypy的全部内容，希望对大家有所帮助。感兴趣的朋友可以继续参阅本站其他相关专题，如有不足之处，欢迎留言指出。感谢朋友们对本站的支持！