pypy 优缺点是什么？

[huzhikuizainali]

今天看一个介绍说 pypy 比自带编译器快很多。但是我想这应该不是没有代价的。用过 pypy 的同学可否分享一下？

[SJ2050cn]

pypy 在 io 处理上确实快很多，我试了开 100w 个协程，每个协程要做的也很简单，就是休息 1s，最后统计 100w 个协程结束时间，同样的代码用 pypy 和 cython，pypy 基本在 1s 稍微多一点，cython 就得好几 s，pypy 处理原生数据结构是真的快，但处理像 numpy 底层本来就是用 c++/fortran 写的，貌似感觉不出太多差距，并且好多库还不支持 pypy 版本，例如科学计算常用的 scipy 库，不过 numpy 已经有 pypy 版，未来肯定适配的越来越多。总而言之，pypy 就是让你在不改动任何代码情况下提升性能的手段，如果有代码运行确实慢，可以先无脑试试这。

[Anybfans]

@SJ2050cn #1 但是好像 pypy 比较占内存

[billlee]

不兼容生态里大量的 C 扩展

[no1xsyzy]

只支持到 3.7 （所以我没用它

[Jirajine]

jit 性能不稳定，尤其是冷启动的时候比解释器慢很多。

[ALLROBOT]

亲自用用一个月，看哪个方便就用哪个，就这么简单

[luozic]

pypy 的 jit 实现优化上面离 jvm clr 甚至 v8 都差得比较远，不少地方比 cpython 没快多少。 并且 pypy 还是没有移除 GIL 的，比 cpython 快的是 io 场景和 python 内部数据场景。

[LeeReamond]

这个问题可以分为几个方面。单纯表现上，pypy 在主流编程语言的 jit 解释器里基本排在最后一名或者倒数第二名，不过客观上讲这不是由于 pypy 技术落后，单纯是因为 python 本身是一门非常动态的语言，这给 jit 带来了很多难题，即使使用了 partial evaluation 等技术，同样难以优化到 java jit 的水平线。

不过 pypy 项目的存在本身也是开发效率即解释效率的一个例子，很多人坚持否认的，认为高效开发无用，实际上 pypy 已经出来这么多年而 cpython 的 jit 仍然在难产足以说明问题。可以想见的是如果 python 的一些现代特性被早一些加入的话，各应用领域（比如 web ）当中的市场份额可能会有大翻转，这也体现出互联网项目推广中的时也运也的一面。

具体坑的层面的话，一个共识是 python 一直以来的运行生态，从不依赖于 jit，可以看得出来 guido 从设计层面认为 ffi 扩展相比于始终不理想的 jit 是更好的解决方案，这也造成了目前的 py 生态。而 pypy 的 cffi 效率和兼容性差几乎成为制约其发展的主流因素，这也是为什么 pyston 这种提升很少性能，但具有完整嵌入支持的项目，即使仍在闭源状态，许多人仍然更看好它的因素。

python 优化的另一个方向可能是最近的 mypyc 项目，我觉得这个方向是对的，一如当初 cython 在 py 中引入类型后效率直接起飞一样，虽然这套方案在今天已经有更好的选择。很多事情如果程序员能低成本地实现，那么不要交给程序，程序处理起来反而会很复杂。

[LokiSharp]

说实话用 pypy 我还不如直接换个语言写。没有 CPython 那些 C 扩展，性能也只有小幅提升。

[SlipStupig]

@SJ2050cn pypy 现在能用 sklearn pytorch tensorflow 了嘛？一直不换的原因就是不支持机器学习相关库

[jones2000]

你这个是怎么测试的，cython 直接在 c++代码里面开并行，是很快的， 不要跟外部 py 有太多交互，py 只提供数据给 c++和接收++计算完的数据。一般 py 慢， 直接用把逻辑全部迁移到 c++里面， 通过 cython 封装下接口，主要是接收 py 数据和返回计算结果给 py 。 其他全部 c++搞定。

[SJ2050cn]

@SlipStupig 没用过这些库，不清楚，大概率不支持

[necomancer]

@SJ2050cn 和 numba.jit 比呢？我好久没碰过 pypy 了，上一次用还是 numpy 只支持 pypy2……

[roundgis]

14 年開始一直用 pypy 運行後端

綜合性能大約是 cpython 2-2.5x 之間

近年來 cpyext 有了很大改善

numpy scipy 都可以運行了

雖然速度還是有些慢