【51CTO.com快譯】在本文中，我們將探討Python語言的各類運行時與發行版選項，并探討其各自適合哪些用例。 

[[226392]]

在選擇Python語言進行軟件開發時，我們面對的實際是一套大型語言生態系統——其中包含各類涵蓋無數編程需求的軟件包。但除了從GUI開發到機器學習的各類庫之外，各位還能夠從多種Python運行時中作出選擇——其中部分運行時也許更適合您當前的用例條件。

下面，我們將簡單介紹目前最常用的幾款Python發行版——從標準實現（CPython）到針對速度進行優化的版本（PyPy），再到特殊用例（Anaconda、ActivePython）乃至最初為完全不同的其他語言設計的運行時（Jython、IronPython）。

目錄

• CPython
• Anaconda Python
• ActivePython
• PyPy
• Jython

一、CPython

CPython屬于Python參考實現方案，可算是所有其他Python衍生發行版的一套標準化版本。CPython利用C語言編寫而成，而其編寫者包含多位Python語言頂級決策層中的核心人員。

1.CPython用例

CPython屬于Python的參考實現版本，因為其在優化方面表現得最為保守。當然，這并不是缺點，而是設計取向。Python的維護者們希望將CPython打造為Python最具廣泛兼容性與標準化的實現方案。

CPython最適合對Python標準的兼容性與一致性要求較高的用戶。此外，CPython同樣適用于希望以最基本方式使用Python并愿意為此放棄某些便捷性的專業人士。

舉例來說，您需要進行些許調整才能利用CPython設置虛擬環境。而其他發行版（Anaconda）則在工作區設置中提供更多自動化功能。

2.CPython的局限性

CPython并不像Python的其他版本那樣對性能作出深度優化。其不提供原生JIT（即時）編譯器，不提供加速數學庫，也沒有用于提升性能的第三方附加選項。

您當然可以根據需求自行添加，但其并不直接提供綁定包。當然，這一切都是設計取向所決定，旨在確保CPython作為一套參考實現版本能夠最大程度實現兼容性與標準化。而性能優化——開發人員可以選擇其他配合工具包進行添加。

此外，CPython僅提供一組用于使用Python的基準性工具。舉例來說，pip軟件包管理器會從Python原生PyPI軟件包庫當中獲取并安裝各軟件包。如果開發者允許，Pip甚至可以安裝經過預編譯的二進制文件（通過輪盤發布格式），但無法安裝PyPI所不包含的任何其他軟件包依賴項。

二、Anaconda Python

Anaconda源自Anaconda公司之手（原名為Continuum Analytics），其設計目標在于服務那些需要由商業供應商提供支持且具備企業支持服務的Python開發者。Anaconda Python的主要用例包括數學、統計學、工程、數據分析、機器學習以及其他相關應用。

1.Anaconda Python用例

Anaconda捆綁有Python商業與科學使用場景當中的各類常用庫——包括SciPy、NumPy以及Numba等等，同時通過一套定制化軟件包管理系統提供更多庫訪問能力。

Anaconda最為出色的特性在于將上述元素進行了高效組合。在安裝之后，Anaconda提供桌面應用程序Anaconda Navigator，可通過方便的GUI幫助用戶使用Anaconda環境中的各類功能。相較于CPython，Anaconda當中的組件搜索、更新以及使用流程都更為簡便。

其另一大優勢，在于Anaconda能夠根據特定軟件包的需求處理Python生態系統之外的組件。其中專門為Anaconda打造的conda軟件包管理器能夠根據外部軟件要求安裝Python以及第三方軟件包。

2.Anaconda Python的局限性

由于Anaconda當中包含大量實用性庫，且只需要簡單操作即可安裝更多庫，因此Anaconda的安裝體積往往要比CPython大得多。基本CPython安裝運行大約需要100 MB空間，而Anaconda則會很快增長至GB級別。如果您的資源有限，那么這有可能產生問題。

幫助Anaconda瘦身的方法之一在于安裝Miniconda，這是一套精簡版本的Anaconda，其中只包含啟動與運行所必需的部分。如果必要，您可以將軟件包添加到Miniconda當中，并關注各軟件包具體要消耗多少空間。

三、ActivePython

與Anaconda類似，ActivePython同樣由營利性企業創建及維護——ActiveState公司。該公司還在銷售多種語言運行時以及多語言Komodo IDE。

1.ActivePython用例

ActivePython主要面向企業用戶與數據科學家——即希望使用Python語言，但又不愿把大量精力浪費在Python的組裝與管理方面。ActivePython使用Python中的常規pip軟件包管理器，但同時亦以認證壓縮包的形式提供數百套通用庫，外加英特爾數學核心庫等其他一些具有第三方依賴關系的公共庫。

2.ActivePython的局限性

ActivePython對軟件包外部依賴關系的處理方式存在一大潛在缺點。如果大家希望將現有項目（例如TensorFlow）升級至具有復雜依賴關系的較新版本，則需要同時升級ActivePython。如果開發工作在與特定版本的項目相關聯的環境中進行，那么這并不會造成影響。但目前的開發工作往往需要緊跟前沿版本的發布，在這種情況下大家往往會遇到很多麻煩。

四、PyPy

 PyPy 屬于CPython解釋器的替代品，其利用即時（JIT）編譯以加速Python程序的執行。根據實際執行的任務情況，其性能提升可能非常顯著。

1.PyPy用例

人們對于Python——特別是CPython的抱怨之聲，主要圍繞其速度表現展開。在默認情況下，Python的運行速度遠不及C語言——差距甚至可能達到數百倍。PyPy JIT將Python代碼編譯為機器語言，從而帶來平均7.7倍于CPython的運行速度。在某些特定任務中，其提速效果能夠達到50倍。

更重要的是，開發人員能夠較為輕松地享受到這些便利。將CPython換成PyPy，您就基本完成了提速工作。

2.PyPy的局限性

PyPy一般更適用于處理“純”Python應用程序。由于PyPy會模擬CPYthon的原生二進制接口，因此在處理NumPy等包含C庫接口的Python軟件包時，其表現并不理想。不過隨著時間推移，PyPy的開發者們已經逐步解決了這個問題，并使得PyPy能夠更好地同依賴于C擴展的Python軟件包進行兼容。但必須承認，雖然已經有所改善，PyPy對C擴展的支持仍然有限。

PyPy的另一大短板在于運行時大小。Windows上的核心CPython運行時——不包含標準庫——約為4 MB，而PyPy運行時則在32 MB左右。同樣需要注意的是，PyPy還長期立足Python的2.x分支，例如目前面向Python 3.x版本的PyPy目前只在32位Windows系統上提供beta測試版本。（PyPy已經在Linux與MacOS上提供同時面向Python 2x與3.x的64位版本。）

五、Jython

JVM（Java虛擬機）能夠作為除Java之外的多種語言的運行時選項。這份長的名單包括Groovy、Scala、Clojure、Kotlin、Python以及——沒錯，當然還有Jython 。

1.Jython用例

Jython項目能夠將Python 2.x編譯為JVM字節碼，并在JVM上運行生成的程序。在某些情況下，Jython編譯的程序在運行速度上甚至高于CPython編譯程序——但并非始終如此。

Jython提供的最大優勢在于能夠與Java生態系統中的其他部分直接進行互操作。Java的使用范圍比Python更為廣泛。通過在JVM上運行Python，開發人員將能夠享受并非為Python開發的龐大庫與框架生態系統。同樣，Jython亦允許Java開發人員使用Python庫。

2.Jython的局限性

Jython最大的弊端在于其僅支持Python的2.x版本。目前對Python 3.x版本的支持能力尚在開發當中，但仍需要相當一段時間。當下，還沒有任何相關版本放出。

同樣需要注意的是，雖然Jython能夠將Python引入JVM，但卻無法將Python引入Android。由于Jython目前不具備適用于Android的端口，因此Jython不能用于開發Andoird應用。

六、IronPython

類似于Jython的JVM上Python實現方案定位，IronPython屬于一套立足.Net運行時——或者CLR（公共語言運行時）——的Python實現方案。IronPython利用CLR的DLR（動態語言運行時）以允許Python程序以等同于CPython的動態水平實現運行。

1.IronPython 用例

與Jython類似，IronPython同樣屬于一種橋梁。其最主要的用例在于實現Python與.Net間的互操作性。現有.Net程序集能夠利用Python的本地導入與對象操作語法在IronPython程序中實現加載。

此外，我們也可以將IronPython代碼編譯成程序集，并直接運行或者接受其他語言的調用。但需要注意的是，其中的MSIL（微軟中間語言）無法直接由其他.Net語言進行訪問，因為其并不支持公共語言規范。

2.IronPython的局限性

與Jython類似，IronPython目前只支持Python 2.x版本。不過IronPython 3.x實現方案已經處于緊鑼密鼓的開發當中。

原文標題：Anaconda, CPython, PyPy, and more: Know your Python distributions，作者：Serdar Yegulalp 

【51CTO譯稿，合作站點轉載請注明原文譯者和出處為51CTO.com】