pypy的优化tips

阅读pypy官网的介绍，有一些优化tips记录如下。

首先pypy会在执行循环时，跟踪循环执行，将循环体编译成机器码，并优化，观察是否速度有改善，所以pypy对循环体效果特别明显，循环执行得次数越多，编译和warm up的耗时占比就越小，优势就体现出来，否则它反而更慢。

s = '1'
count = 0
for i in xrange(1, 1000000):
    count += int(s*3)
    count += int(s*2)

print(count)

速度比较：

#python
real	0m0.751s
user	0m0.740s
sys	0m0.004s

#pypy
real	0m0.038s
user	0m0.026s
sys	0m0.012s

pypy会改善索引全局变量的速度，上面的代码加上一句近似冗余的代码，对于python就会更快，但是对于pypy则没有区别，因为python里，局部索引比全局更快：

s = '1'
count = 0
int = int
for i in xrange(1, 1000000):
    count += int(s*3)
    count += int(s*2)

print(count)

耗时为：

real	0m0.728s
user	0m0.723s
sys	0m0.000s

所以在python里，尽量少引用不必要的外面包是有好处的，但是对于pypy则没有区别。

pypy会将函数调用内联，也就是c++里的inline，所以在递归调用频繁的情况下，pypy的优化也会效果明显。

在字符串拼接时，pypy会提前预测好最终的字符串长度，从而一次性分配足够的内存，所以''.join(str_list)和str1 + str2 + str3，这类字符串拼接操作，pypy也会快得多。

特别注意：

1. locals(), globals(), sys._getframe(), sys.exc_info(), and sys.settrace这些函数的使用，会让pypy关闭实时编译优化，反而会有更多耗时。

2. csv和cPickle等库在CPython里是使用c语言实现的，在pypy里使用反而会更慢（不包含json库）。

3. 有C语言扩展的模块，很多需要重新编译或者使用纯python改写，如果是通过命令安装，也不能直接使用pip安装，需要使用pypy，如：pypy -m pip install Pillow==3.0.0

其实：Pyston项目作为pypy的竞品，也在如火如荼的发展中。