江苏龙网

  1. 主页 > 生活百科 > >

猛踩油门！令Python加速( 二 )

Python加速


PyPy则是一个更为宏大的项目：它用Python语言重新将Python实现了一遍 。当然 ， 这本身不会直接加快运行速度 ， 这么做主要是为便于代码的分析、优化与翻译 。正是基于这个框架 ， JIT编译才变为了可能（这使得我们不再需要Psyco ， 代码在PyPy内就能完成编译） 。甚至PyPy还能将代码翻译成像C那样的、性能更高的编程语言 。另外 ， 在PyPy中所实现的Python的核心子集被称为RPython（restricted Python） ， 这部分已经有工具可以静态地编译成高效的机器码 。
在某种程度上 ， Unladen Swallow也是一种Python的JIT编译器 。或者更精确地说 ， 它是Python解释器的一个版本 ， 被称为底层虚拟机（Low Level Virtual machine ， LLVM） 。该项目的目标是将加速因子相对标准编译器提高至5 。然而 ， Unladen Swallow项目还没有达到这个目标 ， 但它的开发活动似乎已经停止了 。
Pyston也是一个由Dropbox开发的、与LLVM平台较为接近的Python JIT编译器 。在本书写作期间 ， Pyston还是一个非常年轻的项目 ， 只支持了语言的一个子集 ， 并且完全不支持Python 3 。然而在很多情况下 ， 它已经优于Python的标准实现 ， 并且目前还在积极地开发中 。此外 ， Parakeet也是一个相当年轻的项目 ， 用该项目Web页面的话说 ， “其中包含了类型接口、并行数据的数组操作以及大量能使代码加速的黑魔法” 。
GPULib、PyStream、PyCUDA与PyOpenCL：这四个包都是在用图像处理单元（graphics processing units ， GPUs）来实现代码的加速 。它们与Psyco这样的JIT编译器不一样 ， 后者是通过代码优化来实现加速的 。但如果我们有一个强大的GPU的话 ， 为什么不用它来进行计算呢？比起GPULib ， PyStream更加古老一点 ， 而Tech-X公司已经转向了更为年轻的GPULib项目的开发 。它提供了基于GPU的各种形式的数值计算 。另外 ， 如果您想用GPU来加速自己的代码 ， PyCUDA、PyOpenCL这两个项目也值得您试试看 。
【猛踩油门！令Python加速】Pyrex、Cython、Numba与Shedskin：这四个项目都致力于将Python代码翻译为C、C++及LLVM代码 。其中 ， Shedskin会将Python代码编译为C++程序 ， 而Pyrex和Cython（后者实际上是前者的一个分支）的编译目标主要是C语言 。另外 ， 当我们用Cython（及其前身Pyrex）来进行编译时 ， 我们可以在代码中加入一些可选的类型声明 ， 例如静态声明一个整型变量之类的 。此外 ， Cython还有NumPy数组的额外支持 ， 这使您可以写出某种针对底层逻辑的代码 ， 以高效操作数组内容 。我在自己的代码中使用了这个特性 ， 其中的部分代码的加速因子提升到300至400 。而且 ， 由Pyrex和Cython生成的代码可以直接编译为Python扩展模块 ， 然后在Python代码中导入即可 。如果您想从Python程序中生成出通用的C代码 ， Cython也依然是一种安全的选择 。而如果您只是在寻找一种加速方式 ， 特别是在面向数组与数学计算的代码的时候 ， 或许Numba是一个值得看看的选择 。它在被导入时会自动生成相应的LLVM代码 。其升级版本NumbaPro还提供一些更为高级的功能 ， 甚至还包含了对GPU的支持 。
SWIG、F2PY与Boost.Python：这些工具可以帮助您将其他语言封装为Python的模块 。它们所封装的语言分别是：C/C++ ， Fortran ， C++ 。尽管我们也可以自行编写访问扩展模块的代码 ， 但使用这些工具可以帮助我们免于许多单调乏味的工作——而且它们也更能确保结果的正确性 。以SWIG为例 ， 您只需要启动一个命令行工具 ， 往里输入C（或C++）的头文件 ， 封装器代码就自动生成了 。SWIG的另一个优点在于 ， 除了Python ， 它还可以成为很多语言的生成封装器 。例如 ， 您同样也能轻易地利用JAVA或php这样的语言来编写相关的扩展 。
ctypes、llvm-py与CorePy2：这些模块可以帮助我们实现对Python底层对象的操纵 。ctypes模块可用于在内存中构建编译C的对象 ， 并且调用某些共享库中（如某些DLL）的C函数 。而llvm-py包则正如之前所说 ， 主要提供了LLVM的Python接口 ， 以便于我们可以构建代码 ， 然后更高效地编译它们 。甚至如果您愿意的话 ， 也可以在Python中用它来构建您自己的编译器（没准能搞出一种属于自己的编程语言！） 。CorePy2也一样 ， 它可以帮助您处理与高效运行代码对象 ， 只不过 ， 它是运行在汇编层的 。（值得注意的是 ， ctypes如今已是Python标准库的一部分了 。）


推荐阅读


上一篇：茶的第功用,白毫茶功用多

下一篇：茶园的施肥技巧,浙江大学茶叶专用肥在丰泥假日茶园施肥试验