Python的運(yùn)行速度確實(shí)沒(méi)有C或者Java快，但是有一些項(xiàng)目正在努力讓Python變得更快。

[[381331]]

Python代碼簡(jiǎn)潔干凈，但是大家都知道Python運(yùn)行起來(lái)相對(duì)較慢 --- 在CPU密集型的任務(wù)上慢于C、Java和Javascript(但是大多數(shù)服務(wù)都不是CPU密集型的)--- 但是有些團(tuán)隊(duì)希望Python是盡善盡美的，所以他們準(zhǔn)備從內(nèi)而外地提升Python的性能。

如果你想讓Python在特定硬件上運(yùn)行得快一點(diǎn)，你至少有兩個(gè)選擇，每個(gè)選擇都有一些弊病：

1. 你可以創(chuàng)建一個(gè)Python運(yùn)行時(shí)的替代品，但是最后你會(huì)發(fā)現(xiàn)你重寫(xiě)了一遍CPython。
2. 你可以重寫(xiě)現(xiàn)存的部分代碼來(lái)利用一些性能優(yōu)化的特性，缺點(diǎn)是程序員需要做更多的工作。下面是五種已有的方案，幫助你提高Python的性能。

1. PyPy

在CPython的替代品中，PyPy是最顯眼的那一個(gè)(比如Quora就在生產(chǎn)環(huán)境中使用它)。它也最有機(jī)會(huì)成為默認(rèn)解釋器，它和現(xiàn)存Python代碼高度兼容。

PyPy使用適時(shí)編譯來(lái)加速Python，這項(xiàng)技術(shù)Google也在使用，Google在V8引擎中使用它加速Javascript。最近的版本PyPy2.5增加了一些提升性能的特性，其中有一項(xiàng)很受歡迎，它集成了Numpy，Numpy之前也一直被用來(lái)加速Python的運(yùn)行。

使用Python3的代碼需要對(duì)應(yīng)地使用PyPy3。PyPy目前只支持到Python3.2.5，對(duì)Python3.3的支持正在進(jìn)行中。

2. Pyston

Pyston，由Dropbox資助，使用LLVM編譯器架構(gòu)來(lái)加速Python，同樣的它也使用了適時(shí)編譯。相比于PyPy，Pyston還處于早期階段，它只支持Python的部分特性。Pyston把工作分成兩個(gè)部分，一部分是語(yǔ)言的核心特性，另一部分是把性能提升到可接受的程度。Pyston距離可以在生產(chǎn)環(huán)境使用還有一段距離。

3. Nuitka

除了替換Python運(yùn)行時(shí)，有些團(tuán)隊(duì)嘗試將Python代碼轉(zhuǎn)換為能夠在本地高效運(yùn)行的其他語(yǔ)言的代碼。其中著名的項(xiàng)目是Nuitka--把Python代碼轉(zhuǎn)換為C++代碼--雖然運(yùn)行時(shí)還是依賴Python運(yùn)行時(shí)。這樣限制了它的可移植性，不過(guò)性能提升是可觀的。長(zhǎng)期規(guī)劃中，Nuitka還準(zhǔn)備讓C語(yǔ)言能夠調(diào)用Nuitka編譯的Python代碼，這樣性能提升將更加明顯。

4. Cython

Cython(Python的C語(yǔ)言擴(kuò)展)是Python的超集，它能把Python代碼編譯成C代碼，并與C和C++進(jìn)行交互。它可以作為Python項(xiàng)目的擴(kuò)展使用(重新性能要求高的部分)，或者單獨(dú)使用，不涉及傳統(tǒng)的Python代碼。缺點(diǎn)是你寫(xiě)的不是Python，所以需要手動(dòng)遷移，缺乏可移植性。

據(jù)說(shuō)，Cython提供了一些特性來(lái)讓代碼更高效，比如變量類型化，這本質(zhì)上是C要求的。一些科學(xué)計(jì)算的包，如scikit-learn依賴Cython的一些特性來(lái)保持操作簡(jiǎn)潔快速。

5. Numba

Numba結(jié)合了上面幾個(gè)項(xiàng)目的想法。學(xué)習(xí)了Cython，Numba也采用了部分加速的策略，只加速CPU密集型的任務(wù);同時(shí)它又學(xué)習(xí)了PyPy和Pyston，通過(guò)LLVM運(yùn)行Python。你可以用一個(gè)裝飾器指定你要用Numba編譯的函數(shù)，Numba繼承Numpy來(lái)加速函數(shù)的執(zhí)行，Numba不做適時(shí)編譯，它的代碼是預(yù)先編譯的。

Python之父說(shuō)：大部分覺(jué)得Python慢的應(yīng)用都是沒(méi)有正確地使用Python。對(duì)于CPU密集型的任務(wù)有多種方法來(lái)提升性能--使用Numpy來(lái)做計(jì)算，調(diào)用外部C代碼，以及盡量避免GIL鎖。由于GIL鎖目前還無(wú)法被替代，所以有很多項(xiàng)目開(kāi)始嘗試一些短期可行的替代方案，當(dāng)然這些方案也可能轉(zhuǎn)變?yōu)殚L(zhǎng)期的可選項(xiàng)。