优化PyPy

Question

（这是一个后续Statistical profiler for PyPy）

我跑PyPy下一些Python代码，并想优化它。

在Python中，我将使用statprof或lineprofiler来知道哪些确切的线条正在导致放缓并尝试解决它们。但在PyPy中，这两种工具并没有真正报告合理的结果，因为PyPy可能会优化掉一些行。我也不想使用cProfile，因为我发现很难提取报告功能的哪一部分是瓶颈。

有没有人有关于如何进行的一些提示？也许另一个在PyPy下很好地工作的profiler？一般来说，如何优化PyPy的Python代码？

Answer 1

如果你了解PyPy架构的工作方式，你就会意识到，试图找出的代码各行是不是真的生产。你首先用一个用RPython编写的Python解释器开始，然后通过一个跟踪JIT来生成流图，然后转换这些图来优化RPython解释器。这意味着由正在被JIT处理的RPython解释器运行的Python代码的布局可能与实际运行的优化的汇编器具有非常不同的结构。此外，请记住，JIT始终在循环或函数上工作，因此逐行统计不太有意义。因此，我认为cProfile对您来说可能是一个很好的选择，因为它会让您了解优化的重点。一旦知道哪些功能是瓶颈，您可以针对那些较慢的功能进行优化，而不是尝试修复一行Python代码。

请记住，你这样做是PyPy比CPython的不同性能特点。总是尽量以尽可能简单的方式编写代码（这并不意味着尽可能少的行数）。还有其他一些启发式方法可以帮助您，例如使用专用列表，当您使用少量大多数恒定键时，使用对象覆盖字典，避免使用C Python API的C扩展等。

如果您真的，真的坚持试图在生产线一级进行优化。有几个选项。一个叫做JitViewer（https://bitbucket.org/pypy/jitviewer），它可以让你对JIT在你的代码中做什么有非常低的认识。例如，你甚至可以看到与Python循环对应的汇编指令。使用该工具，您可以真正了解PyPy将如何快速处理代码的某些部分，因为您现在可以做一些愚蠢的事情，如计算用于循环的汇编程序指令的数量等。