PyPy是一個虛擬機項目，主要分為兩部分：一個Python的實現和 一個編譯器

PyPy的第一部分: 用Python實現的Python

其實這么說并不準確，準確得說應該是用rPython實現的Python，rPython是Python的一個子集，雖然rPython不是完整的Python，但用rPython寫的這個Python實現卻是可以解釋完整的Python語言。

PyPy的第二部分：編譯器

這是一個編譯rPython的編譯器，或者說這個編譯器有一個rPython的前端，目前也只有這么一個前端，不過它的后端卻是不少，也就是說這個編譯器支持許多的目標語言，比較重要的有：C，CIL，JavaScript...

第一部分看成pypy(1)第二部分看成pypy(2)

為什么你在同一層面下同時需要這兩者？你可以這樣想一下：PyPy(1)是一個用RPython寫的解釋器，因此它能加載用戶的Python代碼并將它編譯成字節碼。但是這個用RPython寫的解釋器本身要能運行，就必須要被另外一個Python實現去解釋。我們可以直接用CPython去.運行這個解釋器。但是這個還不夠快取而代之，我們使用了PyPy(2)去編譯這個PyPy的解釋器，生成其他平臺(比如C,JVM或CLI)代碼在我們的機器上運行，并且還加入了JIT特性。JIT能夠把字節碼轉換成機器語言，pypy之所以快，是因為它整合了JIT跟蹤技術的優化編譯器。

pypy性能測試

Cpython2.7.6，pyston0.2，pypy2.2.1的性能對比，使用的是pyston源代碼目錄下的minibenchmarks和microbenchmarks中

的python代碼來跑，對比結果如下表所示

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編譯除了有顏色背景的數據，其它測試結果基本都是最快的，其中15個程序代碼測試結果所花時間不到Cpython的十分之一

pypy的缺陷

可以看出pypy實現python有很大的優勢，但是目前來說很多公司的python項目仍然沒有采用pypy來實現，原因是

pypy有一個缺陷：C擴展性弱，簡單理解就是python程序中如果混合了C/C++代碼，調用了C/C++的庫，就會導pypy

不支持或者pypy運行速度變慢很多。而現在很多項目都是采用C/C++/Python混合編程。

但是pypy也有自己的兼容C/C++的方法(但是沒有完全解決擴展性弱的問題)，pypy有ctypes和cffi兩種方式來

進行C擴展，以下是一些簡單程序實驗：

用ctypes的方式實現C++，python混合編程，先寫一個.cpp然后在python文件中調用它，最后用Cpython，和pypy分別編譯執行都可以跑,說明ctypes是支持C++擴展的

這次用pypy跑的速度就要Cpython不少了

總結

以上就是本文關于聊聊Python中的pypy的全部內容，希望對大家有所幫助。感興趣的朋友可以繼續參閱本站其他相關專題，如有不足之處，歡迎留言指出。感謝朋友們對本站的支持！

總結

以上是生活随笔為你收集整理的pypypy python_聊聊Python中的pypy的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。