2018-01-10 14:45:23 592浏览
现在想要成为Python开发工程师的小伙伴不断的增加，但是想要成为专业的Python开发工程师一定要有真才实学，本篇文章扣丁学堂给大家分享一些干货：提升Python性能的项目，希望对大家有所帮助。
关于提升性能，这里有两个选择，有利有弊，如果让Python在特定硬件上运行得快一点，首先，可以创建一个Python运行时的替代品，但最后却发现是重写了一遍CPython，或者可以重写现存的部分代码来利用一些性能优化的特性，缺点是程序员需要做更多的工作。
1、Pyston
Pyston，由Dropbox资助，使用LLVM编译器架构来加速Python，同样的它也使用了适时编译。相比于PyPy，Pyston还处于早期阶段，它只支持Python的部分特性。Pyston把工作分成两个部分，一部分是语言的核心特性，另一部分是把性能提升到可接受的程度。Pyston距离可以在生产环境使用还有一段距离。在培训Python时，多涉猎一些更深奥的项目，等你再学习简单的知识时，掌握起来更容易。
2、PyPy
在CPython的替代品中，PyPy是最显眼的那一个(比如Quora就在生产环境中使用它)。它也最有机会成为默认解释器，它和现存Python代码高度兼容。
PyPy使用适时编译来加速Python，这项技术Google也在使用，Google在V8引擎中使用它加速Javascript。最近的版本PyPy2.5增加了一些提升性能的特性，其中有一项很受欢迎，它集成了Numpy，Numpy之前也一直被用来加速Python的运行。
使用Python3的代码需要对应地使用PyPy3。PyPy目前只支持到Python3.2.5，对Python3.3的支持正在进行中。
3、Nuitka
除了替换Python运行时，有些团队尝试将Python代码转换为能够在本地高效运行的其他语言的代码。其中著名的项目是Nuitka--把Python代码转换为C++代码--虽然运行时还是依赖Python运行时。这样限制了它的可移植性，不过性能提升是可观的。长期规划中，Nuitka还准备让C语言能够调用Nuitka编译的Python代码，这样性能提升将更加明显。
4、Cython
Cython(Python的C语言扩展)是Python的超集，它能把Python代码编译成C代码，并与C和C++进行交互。它可以作为Python项目的扩展使用(重新性能要求高的部分)，或者单独使用，不涉及传统的Python代码。缺点是你写的不是Python，所以需要手动迁移，缺乏可移植性。
据说，Cython提供了一些特性来让代码更高效，比如变量类型化，这本质上是C要求的。一些科学计算的包，如scikit-learn依赖Cython的一些特性来保持操作简洁快速。所以在python培训中，建议适当了解一些C语言，可以帮助对比python，也能让你打开思路，更深入理解python。
5、Numba
Numba接合了上面几个项目的想法。学习了Cython，Numba也采用了部分加速的策略，只加速CPU密集型的任务;同时它又学习了PyPy和Pyston，通过LLVM运行Python。你可以用一个装饰器指定你要用Numba编译的函数，Numba继承Numpy来加速函数的执行，Numba不做适时编译，它的代码是预先编译的。
在Python培训中，或许会认为Python慢，但Python之父曾说过，有些人感觉慢是因为没有正确使用它。拿CPU密集型的任务来说，有多种方法可以提升性能，如使用Numpy来做计算，调用外部C代码，以及尽量避免GIL锁。Python之父说大部分觉得Python慢的应用都是没有正确地使用Python。对于CPU密集型的任务有多种方法来提升性能--由于GIL锁目前还无法被替代，所以如果要改善，许多项目还需要尝试一些短期可行的替代方案，当然，如果使用ok的话，还可以考虑长期使用。
想要学好Python开发技术就一定要选择专业靠谱的Python培训机构，扣丁学堂Python培训不仅有专业的老师和与时俱进的课程体系，还有大量的Python视频教程供学员观看学习，想要学好Python的小伙伴可以登录扣丁学堂的官网了解更多与Python有关的内容哦。扣丁学堂Python技术交流群：279521237。
【关注微信公众号获取更多学习资料】
全国免费咨询热线
邮箱：codingke@1000phone.com
官方群：148715490
15311698296
