【下载文档:  聊聊Python中的pypy.txt 】

---

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！