有人跟我抱怨說python太慢了，然后我就將python健步如飛的六大技巧傳授給他，結(jié)果讓他驚呆了，你也想知道這個(gè)秘訣嗎?這就告訴你：

Python是一門優(yōu)秀的語言，它能讓你在短時(shí)間內(nèi)通過極少量代碼就能完成許多操作。不僅如此，它還輕松支持多任務(wù)處理，比如多進(jìn)程。

因?yàn)镚IL的存在，Python很難充分利用多核CPU的優(yōu)勢(shì)。但是，可以通過內(nèi)置的模塊multiprocessing實(shí)現(xiàn)下面幾種并行模式：

多進(jìn)程并行編程

對(duì)于CPU密集型的程序，可以使用multiprocessing的Process,Pool等封裝好的類，通過多進(jìn)程的方式實(shí)現(xiàn)并行計(jì)算。但是因?yàn)檫M(jìn)程中的通信成本比較大，對(duì)于進(jìn)程之間需要大量數(shù)據(jù)交互的程序效率未必有大的提高。

多線程并行編程

對(duì)于IO密集型的程序，multiprocessing.dummy模塊使用multiprocessing的接口封裝threading，使得多線程編程也變得非常輕松(比如可以使用Pool的map接口，簡(jiǎn)潔高效)。分布式：multiprocessing中的Managers類提供了可以在不同進(jìn)程之共享數(shù)據(jù)的方式，可以在此基礎(chǔ)上開發(fā)出分布式的程序。 不同的業(yè)務(wù)場(chǎng)景可以選擇其中的一種或幾種的組合實(shí)現(xiàn)程序性能的優(yōu)化。

優(yōu)化算法時(shí)間

法的時(shí)間復(fù)雜度對(duì)程序的執(zhí)行效率影響***，在Python中可以通過選擇合適的數(shù)據(jù)結(jié)構(gòu)來優(yōu)化時(shí)間復(fù)雜度，如list和set查找某一個(gè)元素的時(shí)間復(fù)雜度分別是O(n)和O(1)。不同的場(chǎng)景有不同的優(yōu)化方式，總得來說，一般有分治，分支界限，貪心，動(dòng)態(tài)規(guī)劃等思想。

例如：set的用法

set的union，intersection，difference操作要比list的迭代要快。因此如果涉及到求list交集，并集或者差的問題可以轉(zhuǎn)換為set來操作。

針對(duì)循環(huán)的優(yōu)化

每種編程語言都會(huì)強(qiáng)調(diào)需要優(yōu)化循環(huán)。當(dāng)使用Python的時(shí)候，你可以依靠大量的技巧使得循環(huán)運(yùn)行得更快。然而，開發(fā)者經(jīng)常漏掉的一個(gè)方法是：避免在一個(gè)循環(huán)中使用點(diǎn)操作。例如，考慮下面的代碼：

每一次你調(diào)用方法str.upper，Python都會(huì)求該方法的值。然而，如果你用一個(gè)變量代替求得的值，值就變成了已知的，Python就可以更快地執(zhí)行任務(wù)。優(yōu)化循環(huán)的關(guān)鍵，是要減少Python在循環(huán)內(nèi)部執(zhí)行的工作量，因?yàn)镻ython原生的解釋器在那種情況下，真的會(huì)減緩執(zhí)行的速度。

函數(shù)選擇

在循環(huán)的時(shí)候使用xrange而不是range;使用xrange可以節(jié)省大量的系統(tǒng)內(nèi)存，因?yàn)閤range()在序列中每次調(diào)用只產(chǎn)生一個(gè)整數(shù)元素。而range()將直接返回完整的元素列表，用于循環(huán)時(shí)會(huì)有不必要的開銷。在python3中xrange不再存在，里面range提供一個(gè)可以遍歷任意長(zhǎng)度的范圍的iterator。

使用性能分析工具

除了上面在ipython使用到的timeit模塊，還有cProfile。cProfile的使用方式也非常簡(jiǎn)單：python–m cProfile filename.py，filename.py是要運(yùn)行程序的文件名，可以在標(biāo)準(zhǔn)輸出中看到每一個(gè)函數(shù)被調(diào)用的次數(shù)和運(yùn)行的時(shí)間，從而找到程序的性能瓶頸，然后可以有針對(duì)性地優(yōu)化。