PyPy是不是真的比Python快？

作者：張春翻譯 2021-11-11 06:57:00

眾所周知， Python 編寫的程序運行不快，這種慢雖無大礙，但為了獲得更高的性能，我們需要再切換到另一種編程語言嗎?不一定。我們可以放棄python.py的運行方式，轉而使用 PyPy 即時編譯器。

根據官方網站的說法，就連Python 創建者 Guido von Rossum 都建議將 PyPy 用于關鍵性能的 Python 程序。接下來我們看看 PyPy 有多快。

為了比較 Python 和 PyPy，我編寫了幾個 Python 程序。著名算法、典型用例，甚至是基本的 HTTP 服務器。然后我用 Python 和 PyPy 執行程序——在 macOS 和 Linux 的終端中使用time模塊，可以看到執行某事的持續時間。使用 time模塊看起來像這樣：

time python.py

執行完成后，time模塊會報告您花費的時間。

使用的版本：

PyPy：7.3.5，使用 Python 版本 3.7.10 
 
Python：版本 3.9.7

這兩個版本都是目前可用的最新版本。程序本身不記錄任何內容。我們只關心進行計算。

這是準備好的代碼片段。讓我們對每個場景進行基準測試。

1. 斐波那契

以下函數生成我們傳遞給它的數字的斐波那契值。

結果：

Python 平均需要 2337 毫秒的執行時間。

PyPy 平均只需要 301 毫秒。明顯的贏家是 PyPy。

2. web服務

為了對 PyPy 和 Python 處理 HTTP 請求的性能進行基準測試，使用 time 命令測量時間是行不通的。有效的是“wrk”——一個基準測試工具，在服務器上觸發大量 HTTP 請求。

因此，它為我們提供了有關服務器平均響應速度以及它可以處理多少 HTTP 請求的數據。

上面顯示的 Web 服務器在端口 4000 上為目錄“app”提供服務。在這個目錄中，我創建了一個小的 hello-world HTML 文件。基準測試在終端中執行：

wrk -t12 -c400 -d10s http://localhost:4000/

結果如下：

Python：Web 服務器平均每秒可以處理 995 個請求，平均延遲為 2.03 毫秒。

PyPy：Web 服務器平均每秒可以處理 1481 個請求，平均延遲為 1.90 毫秒。如您所見，PyPy 要快得多。

3. 快速排序

快速排序可能是最有效的排序算法。這是它在 Python 中的實現：

在 Quicksort 實現下面，我們生成了 500 個隨機數并將它們存儲在一個數組中。這個數組是 Quicksort 算法將要排序的。

結果如下：

Python：平均而言，代碼執行時間為 43 毫秒

PyPy：平均執行時間為 132 毫秒。

是的，Python 在這里更快。這也可以在內部測量時間時確認，使用 start = time.time() 技巧。

4. 堆棧

棧是一種簡單的數據結構。它是一個數組的更漂亮的詞，我們在它上面推東西并從中彈出它。下面的代碼創建這個數組，在堆棧上壓入和彈出 1000 萬個數字：

讓我們看看兩者的速度有多快。

Python：代碼平均耗時 2.89 秒

PyPy：平均需要 69 毫秒。是的，我說的是毫秒。

在這個基準測試中，PyPy 比普通 Python 快幾個數量級。

5. SQlite3 Database

數據庫是大型項目中常用的東西。我選擇 SQLite 來做一個基準測試，因為它很容易與 Python 一起使用——不需要通過 pip 安裝任何東西。以下代碼在基于文件的 SQLite 數據庫中創建一個新表。

在每次基準測試之前，我刪除了數據庫文件并創建了一個普通的新文件。但是數據庫存儲什么?范圍函數生成一百萬個數字，然后將每個數字加倍——函數 f(n) = n * 2。數據庫存儲每個函數對，例如“2、4”或“18、36”。

結果：

Python 平均需要 6.7 秒來執行代碼。

PyPy 平均需要 9.4 秒的執行時間。

Python 更快。我還嘗試將其與其他操作結合使用——比如刪除剛剛創建的條目。它沒有改變結果。在 SQlite3 數據庫的情況下， Python 比 PyPy 快。

總的來說，這讓我很驚訝。當 Python 勝過 PyPy 時，并不是關于數量級的。由于我不是 Python 或 PyPy 專家，我不確定為什么 Python 在某些情況下更好。可能是因為 PyPy 是一個 JIT 編譯器，所以在運行它時，它首先編譯代碼。

另一方面，默認的 Python 解釋器不會這樣做。因此，對于 PyPy 的劣勢，JIT 編譯增加了一些所需的時間。盡管如此，PyPy 在某些情況下提供了更快的執行速度。如您所見，它在 5 種情況下的 3 種情況下提供了更快的執行。

原文：https://louispetrik.medium.com/pypy-vs-python-49153daca65c

責任編輯：武曉燕來源：新鈦云服