[[397277]]

對于研究人員來說，迅速把想法代碼化并查看其是否行得通至關重要。Python 是能夠實現這一目標的出色語言，它能夠讓人們專注于想法本身，而不必過度為代碼格式等無聊的事情困擾。

但是，Python 有一個致命的缺點：速度比 C、C ++ 等語言慢很多。那么，構建一個 Python 原型測試想法之后，如何將其轉變為快速且高性能的工具?通常來說，人們還要再進行一步工作：將 Python 代碼手動轉換為 C 語言的代碼。但如果 Python 原型本身就可以運行得很快，那么轉換代碼的時間就可以做一些更有意義的事情。

而 PyPy，恰好可以解決這一問題。它能夠讓 Python 代碼運行得比 C 還快。

import time 
from termcolor import colored 
 
start = time.time() 
number = 0 
for i in range(100000000): 
    number += i 
     
print(colored("FINISHED", "green")) 
print(f"Ellapsed time: {time.time() - start} s") 

為了證明 PyPy 的速度，使用默認的 Python 解釋器和 PyPy 運行上述代碼，執行一個從整數 0 加到 100,000,000 的循環, 然后打印出運行時間。運行結果如下：

運行時間 Python vs PyPy

這不是學術意義上的評估，但該結果是令人驚嘆的。與大約需要 10 秒鐘的默認 Python 解釋器相比，PyPy 僅用 0.22 秒就完成了執行。而且無需進行任何更改就可以直接將 Python 代碼放到 PyPy 上。而同一臺計算機上，等效的 C 語言實現需要 0.32 秒，PyPy 甚至擊敗了最快的 C 語言。

為什么 PyPy 這么快?

盡管代碼完全相同，但代碼的執行方式卻大不相同。 PyPy 提升速度的秘訣是「即時編譯( just-in-time compilation)」，即 JIT 編譯。

提前編譯

C、C ++、Swift、Haskell、Rust 等編程語言通常是提前編譯(AOT 編譯)的。這意味著用這些語言編寫代碼之后，編譯器會將源代碼轉換成特定計算機架構可讀的機器碼。也就是說在執行程序時，執行的并不是原始源代碼，而是機器碼。

提前編譯把源代碼轉化為機器代碼

解釋語言

與 C 語言等上述語言不同，Python、JavaScript、PHP 等語言采用另一種方法——解釋語言。與將源代碼轉換為機器碼相比，解釋的過程中源代碼是保持不變的。每次運行程序時，解釋器都會逐行查看代碼并運行。例如，每個 Web 瀏覽器都內置了 JavaScript 解釋器。

解釋器逐行運行程序

即時編譯

PyPy 是利用即時編譯來執行 Python 代碼的。即 PyPy 不同于解釋器，它并不會逐行運行代碼，而是在執行程序前先將部分代碼編譯成機器碼。

JIT 編譯綜合了提前編譯和解釋

如上圖所示，而 PyPy 使用的 JIT 編譯是解釋和提前編譯的結合，可以利用提前編譯來提高性能，并提高解釋型語言的靈活性和跨平臺可用性。

原文鏈接：https://towardsdatascience.com/run-your-python-code-as-fast-as-c-4ae49935a826

【本文是51CTO專欄機構“機器之心”的原創譯文，微信公眾號“機器之心( id: almosthuman2014)”】 

戳這里，看該作者更多好文