让 Python代码运行得和C一样快

1. 引言

作为一名算法工程师，如何快速实现一个想法并验证它是否有效对日常工作至关重要。Python 是一个出色的工具，可以很方便地实现这一点。它允许我们专注于想法本身，而不会被繁杂的代码实现所困扰。

然而，小伙伴们一定都听说过，Python脚本语言有一个致命缺点：相比比 C 或 C++ 等编译语言Python运行慢得多。那么，在我们通过构建 Python 快速实现了一个想法之后，现在我们想将它变成一个快速且高性能的工具，我们该怎么办？通常情况下，我们最终会耗费大概两倍的时间来将 Python 代码手动转换为 C/C++。

但是如果我们的 Python 代码本身可以运行得更快，那不是很好吗？那么如何实现呢？

幸运的是，我偶然发现了该问题的解决方案：PyPy，它是 Python运行时快速的替代品。

2. 举个栗子

为了直观对比 PyPy可以提升多少加速效果，我在以下示例中同时运行了默认的 Python 解释器和 使用PyPy，

代码如下：

import time
from termcolor import colored

start = time.time()
number = 0
for i in range(100000000):
    number += i
    
print(colored("FINISHED", "green"))
print(f"Ellapsed time: {time.time() - start} s")

简单来说，上述脚本在一个循环中将 0 到 100,000,000 之间的所有整数相加，并在完成时打印一条消息和整个代码脚本运行时间。

对比结果如下：

尽管只是简单的对比，但上述例子的加速效果仍然令人兴奋。与大约需要 10 秒的默认 Python 解释器相比，PyPy 仅在 0.22 秒后就完成了执行！另外，请注意，我们可以直接将 Python 代码提供给 PyPy，而无需对代码做任何更改。

当我们将其与 C语言实现的版本进行比较时，结果会更加令人印象深刻。在我的电脑上，C 中的等效实现需要 0.32 秒。尽管在大多数情况下 C 总体上仍然是速度大师，但 PyPy 在某些情况下可以击败 C。

需要注意的是：

当我们的程序大部分运行时间都来自于调用非 python 库(比如Cpython)时，PyPy 的效率会降低。但是，如果我们有一个缓慢的程序，大部分时间都花在执行调用 Python库相关代码上时，那么 PyPy 可以极大地提升代码的运行效率。

3. 刨根问底

如果你也是第一次遇到 PyPy，那么您可能会问自己"PyPy运行这么快的背后原理是啥？"
额。。。 回顾我们的实验，我们运行完全相同的代码，并且使用 PyPy 似乎可以免费获得巨大的加速，黑科技哎。。。

其实尽管代码完全相同，但两种方式下的代码的执行方式却大不相同。 PyPy 性能提升的秘诀在于即时编译，简称 JIT 编译。

3.1 提前编译

C、C++ 以及 Swift、Haskell、Rust 等编程语言都是提前编译的。这意味着，在我们用这些语言编写了一些代码之后，需要点击一个build按钮，编译器就会将源代码转换为机器可读的代码，由一种特定的计算机架构读取。每当执行程序时，您的原始源代码早已不复存在。执行的只是机器代码。

3.2 语言可解释性

Python、JavaScript、PHP 等类似开发语言采用不同的方法。它们都是可以被解释的。与将源代码转换为机器代码相比，源代码保持不变。每次程序运行时，解释器都会逐行“查看”代码并为我们运行它。

对于 JavaScript，每个 Web 浏览器都内置了一个解释器。标准的 Python 解释器称为 CPython。但是，区分 Python 语言脚本和运行代码的解释器工具是非常重要的，那是因为我们可以拥有完全不同的工具，它们都具有运行 Python 代码的能力。这就是 PyPy 发挥作用的地方。

3.3 即时编译

PyPy 是利用即时编译的 Python 的替代实现。背后的原理是 PyPy 开始时就像一个解释器，直接从源文件运行我们的 Python 代码。但是，PyPy 不是逐行运行代码，而是在执行它们之前将部分代码编译为机器代码，可以说是及时。

从这个意义上说，JIT 编译是解释和提前编译的结合。这样，我们不仅获得了提前编译的性能提升，而且解释性语言的灵活性和跨平台可用性也保留了下来。

4. 总结

现在我们了解了 PyPy 如何实现惊人的性能提升背后的原理。在官网 pypy.org 上免费提供PyPy安装包。除了工具本身，该网站还包含大量关于微调 Python 程序以进一步提高性能的技巧。由于 PyPy 只是 Python 的一种替代实现，大多数时候它都是开箱即用，无需对 Python 项目进行任何更改。它与 Web 框架 Django、科学计算包 Numpy 和许多其他包完全兼容，推荐大家多多使用。