srcmini本文概述
Python很棒。
令人惊讶的是, 这是一个相当含糊的陈述。 ” Python”是什么意思？我是说Python是抽象接口吗？我的意思是CPython, 它是通用的Python实现(不要与类似名称的Cython混淆)吗？还是我完全是其他意思？也许我是指Jython, IronPython或PyPy。也许我真的已经走出了深渊, 而我正在谈论RPython或RubyPython(这是非常不同的东西)。
虽然上面提到的技术是通用名称和通用引用的, 但是其中一些功能完全不同的目的(或者至少以完全不同的方式运行)。
在使用Python界面的整个过程中, 我经常使用大量的。* ython工具。但是直到最近, 我才花时间了解它们的含义, 它们的工作原理以及为什么需要它们(以自己的方式)。
在本教程中, 我将从头开始, 逐步介绍各种Python实现, 最后对PyPy进行全面介绍, 我相信这是该语言的未来。
一切始于对” Python”实际上是什么的理解。
如果你对机器代码, 虚拟机等有很好的了解, 请随时跳过。
” Python是解释还是编译的？”
这是Python初学者的普遍困惑。
进行比较时首先要意识到的是” Python”是一个接口。有关于Python应该做什么以及应该如何工作的规范(与任何接口一样)。并且有多种实现方式(与任何接口一样)。
要意识到的第二件事是, “解释”和”编译”是实现的属性, 而不是接口。
因此, 问题本身的格式并不正确。
是Python解释还是编译？这个问题的格式不是真的。
就是说, 对于最常见的Python实现(CPython：用C编写, 通常简称为” Python”, 如果你不知道我在说什么, 那么肯定会使用什么), 答案是：解释, 并进行了一些编译。 CPython将Python源代码编译为字节码, 然后解释该字节码, 并立即执行。
*注意：这不是传统意义上的”编译”。通常, 我们会说”编译”是一种高级语言, 并将其转换为机器代码。但这是一种”编译”。
让我们更仔细地看一下这个答案, 因为它将帮助我们理解本文后面的一些概念。
字节码与机器码
了解字节码与机器码(又称本机码)之间的区别非常重要, 也许可以通过示例来最好地说明一下：
- C编译为机器代码, 然后直接在你的处理器上运行。每条指令都指示你的CPU移动内容。
- Java编译为字节码, 然后在Java虚拟机(JVM)上运行, 这是执行程序的计算机的抽象。然后, 每条指令都由与计算机交互的JVM处理。
简而言之：机器代码要快得多, 但字节码则更可移植且更安全。
机器代码根据你的机器而有所不同, 但字节码在所有机器上看起来都相同。可能有人会说, 机器代码已针对你的设置进行了优化。
返回到CPython实现, 工具链过程如下：
- CPython将你的Python源代码编译为字节码。
- 然后, 该字节码在CPython虚拟机上执行。
初学者经常认为Python是因为.pyc文件而编译的。有一个事实：.pyc文件是编译后的字节码, 然后将其解释。因此, 如果你之前已经运行过Python代码并拥有.pyc文件, 那么它第二次运行会更快, 因为它不必重新编译字节码。
备用VM：Jython, IronPython等
如前所述, Python有几种实现。再次, 如前所述, 最常见的是CPython, 但是出于比较指南的考虑, 还有其他一些应该提及。这是一个用C语言编写的Python实现, 被视为”默认”实现。
但是其他Python实现又如何呢？ Jython是最著名的应用程序之一, 它是使用JVM编写的用Java编写的Python实现。虽然CPython生成可在CPython VM上运行的字节码, 但Jython生成可在JVM上运行的Java字节码(这与编译Java程序时生成的东西相同)。
你可能会问：”为什么要使用替代实现？”。好吧, 其中一个是, 这些不同的Python实现可与不同的技术堆栈很好地配合使用。
CPython使得为Python代码编写C扩展变得非常容易, 因为最后它是由C解释器执行的。另一方面, Jython使使用其他Java程序变得非常容易：你可以毫不费力地导入任何Java类, 从Jython程序中调用并利用Java类。 (此外：如果你还没有仔细考虑过, 这实际上是很疯狂的。我们现在可以混合和混合不同的语言, 并将它们编译成相同的内容。(如Rostin所述, 混合使用Fortran和C代码已经有一段时间了, 因此, 这当然不一定是新的。但这仍然很酷。
例如, 这是有效的Jython代码：
[Java HotSpot(TM) 64-Bit Server VM (Apple Inc.)] on java1.6.0_51
>>> from java.util import HashSet
>>> s = HashSet(5)
>>> s.add("Foo")
>>> s.add("Bar")
>>> s
[Foo, Bar]
IronPython是另一种流行的Python实现, 完全用C＃编写并且针对.NET堆栈。特别是, 它可以在你可以称为.NET虚拟机(Microsoft的通用语言运行时, CLR)上运行, 与JVM相当。
你可能会说Jython：Java :: IronPython：C＃。它们在相同的VM上运行, 你可以从IronPython代码导入C＃类, 从Jython代码导入Java类, 等等。
无需接触非CPython Python实现, 就可以生存。但是切换有很多好处, 其中大部分取决于你的技术堆栈。使用很多基于JVM的语言？ Jython可能适合你。关于.NET堆栈？也许你应该尝试IronPython(也许你已经拥有了)。
顺便说一句：虽然这不是使用其他实现的理由, 但请注意, 这些实现实际上在行为上有所不同, 除了对待Python源代码的方式不同。但是, 这些差异通常很小, 随着这些实现的积极开发, 它们会随着时间的流逝而消失或消失。例如, IronPython默认使用Unicode字符串。但是, 对于版本2.x, CPython默认为ASCII(对于非ASCII字符, 默认为UnicodeEncodeError), 但是对于3.x, 默认情况下确实支持Unicode字符串。
即时编译：PyPy和未来
因此, 我们有一个用C编写的Python实现, 一个用Java编写, 一个用C＃编写。接下来的逻辑步骤：用Python编写的Python实现。 (受过良好教育的读者会注意到这有点误导。)
这可能会使你感到困惑。首先, 让我们讨论即时(JIT)编译。
JIT：为什么和如何
回想一下, 本机代码比字节码快得多。好吧, 如果我们可以编译一些字节码然后作为本机代码运行呢？我们必须付出一些代价才能编译字节码(即时间), 但是如果最终结果更快, 那就太好了！这就是JIT编译的动机, 它是一种混合技术, 将解释器和编译器的优点融合在一起。从根本上讲, JIT希望利用编译来加快解释系统的速度。
例如, JIT采取的常见方法是：
- 标识经常执行的字节码。
- 将其编译为本机代码。
- 缓存结果。
- 无论何时设置要运行相同的字节码, 都应获取预先编译的机器代码并获得好处(即提高速度)。
这就是PyPy实现的全部内容：将JIT引入Python(有关以前的工作, 请参阅附录)。当然, 还有其他目标：PyPy的目标是成为跨平台的, 轻巧的存储和无栈支持。但是JIT确实是它的卖点。作为一系列时间测试的平均值, 据说可以将性能提高6.27倍。有关详细信息, 请参阅PyPy Speed Center的以下图表：
PyPy很难理解
PyPy具有巨大的潜力, 并且目前与CPython高度兼容(因此它可以运行Flask, Django等)。
但是关于PyPy却有很多困惑(例如, 请参阅有关创建PyPyPy的荒谬建议……)。我认为这主要是因为PyPy实际上是两件事：
用RPython编写的Python解释器(不是Python(我之前说谎))。 RPython是具有静态类型的Python的子集。在Python中, 对类型进行严格推理是”几乎不可能的”(为什么这么难？请考虑以下事实：
x = random.choice([1, "foo"])
将是有效的Python代码(贷给Ademan)。 x是什么类型？如果不严格执行变量类型, 我们又该如何推断呢？)使用RPython, 你牺牲了一些灵活性, 但是却使推理内存管理和其他事情变得非常容易, 这可以进行优化。
编译器可为各种目标编译RPython代码并添加JIT。默认平台是C, 即RPython-to-C编译器, 但你也可以将JVM和其他平台作为目标。
仅在本Python比较指南中为清楚起见, 我将它们称为PyPy(1)和PyPy(2)。
你为什么需要这两件事, 为什么要在同一屋檐下？这样想：PyPy(1)是用RPython编写的解释器。因此, 它接受用户的Python代码并将其编译为字节码。但是解释器本身(用RPython编写)必须由另一个Python实现来解释才能运行, 对吗？
好吧, 我们可以只使用CPython运行解释器。但这不会很快。
相反, 我们的想法是, 我们使用PyPy(2)(称为RPython工具链)将PyPy的解释器编译为用于在我们的计算机上运行的另一个平台(例如C, JVM或CLI)的代码, 并在JIT中添加好。神奇：PyPy将JIT动态添加到解释器中, 从而生成自己的编译器！ (同样, 这很疯狂：我们正在编译解释器, 并添加了另一个单独的独立编译器。)
最后, 结果是一个独立的可执行文件, 可解释Python源代码并利用JIT优化。这正是我们想要的！一口气, 但也许这张图会有所帮助：
重申一下, PyPy的真正优点在于, 我们可以在RPython中为自己编写许多不同的Python解释器, 而不必担心JIT。然后, PyPy将使用RPython工具链/ PyPy(2)为我们实现JIT。
实际上, 如果我们变得更加抽象, 则理论上你可以为任何一种语言编写解释器, 将其提供给PyPy, 并获得该语言的JIT。这是因为PyPy专注于优化实际的解释器, 而不是其解释语言的细节。
从理论上讲, 你可以为任何一种语言编写解释器, 将其提供给PyPy, 然后获得该语言的JIT。
作为简短的题外话, 我想提到JIT本身绝对令人着迷。它使用一种称为跟踪的技术, 该技术执行如下：
- 运行解释器并解释所有内容(不添加JIT)。
- 对解释的代码进行一些简要的分析。
- 确定你之前执行的操作。
- 将这些代码位编译为机器代码。
欲了解更多, 这篇论文是高度可访问的并且非常有趣。
总结一下：我们使用PyPy的RPython-to-C(或其他目标平台)编译器来编译PyPy的RPython实现的解释器。
本文总结
在对Python实现进行长时间的比较之后, 我不得不问自己：为什么这么好？为什么这个疯狂的想法值得追求？我认为Alex Gaynor在他的博客上说得很好：” [PyPy是未来”, 因为[它]提供了更快的速度, 更多的灵活性, 并且是Python成长的更好的平台。”
简而言之：
- 快速, 因为它可以将源代码编译为本地代码(使用JIT)。
- 它非常灵活, 因为它只需很少的额外工作即可将JIT添加到你的口译员。
- 灵活(再次)是因为你可以用RPython编写解释器, 比C语言更容易扩展(事实上, 它很容易, 有一个编写你自己的解释器的教程)。
附录：你可能听说过的其他Python名称
-
Python 3000(Py3k)：Python 3.0的替代命名, 它是一个主要的, 向后不兼容的Python发行版, 于2008年问世。Py3k团队预测, 要完全采用此新版本大约需要五年的时间。尽管大多数(警告：轶事声称)Python开发人员继续使用Python 2.x, 但人们越来越意识到Py3k。
- Cython：Python的超集, 包含用于调用C函数的绑定。
- 目标：允许你为Python代码编写C扩展。
- 还可以让你向现有的Python代码添加静态类型, 从而可以对其进行编译并达到类似C的性能。
- 这类似于PyPy, 但不相同。在这种情况下, 你必须在将用户代码传递给编译器之前强制输入。使用PyPy, 你可以编写普通的旧Python, 并且编译器可以处理所有优化。
-
Numba：”即时专业编译器”, 它将JIT添加到带注释的Python代码中。用最基本的术语来说, 你可以给它一些提示, 并且可以加快代码的速度。 Numba是Anaconda发行版的一部分, Anaconda发行版是一组用于数据分析和管理的软件包。
-
IPython：与讨论的其他内容完全不同。 Python的计算环境。与GUI工具包和浏览器体验等交互可交互
- Psyco：Python扩展模块, 是Python JIT的早期尝试之一。但是, 此后被标记为”未维护且已死亡”。实际上, Psyco的首席开发人员Armin Rigo现在正在研究PyPy。
Python语言绑定
-
RubyPython：Ruby和Python VM之间的桥梁。允许你将Python代码嵌入到Ruby代码中。你定义Python的开始和停止位置, 然后RubyPython在虚拟机之间封送数据。
-
PyObjc：Python和Objective-C之间的语言绑定, 充当它们之间的桥梁。实际上, 这意味着你可以利用Python代码中的Objective-C库(包括创建OS X应用程序所需的一切)以及Objective-C代码中的Python模块。在这种情况下, 使用C(这是Objective-C的子集)编写CPython很方便。
-
PyQt：PyObjc为你提供OS X GUI组件的绑定, 而PyQt对Qt应用程序框架也具有相同的功能, 使你可以创建丰富的图形界面, 访问SQL数据库等。另一个旨在将Python的简单性引入其他框架的工具。
JavaScript框架
-
pyjs(Pyjamas)：用于在Python中创建Web和桌面应用程序的框架。包括Python到JavaScript的编译器, 小部件集和其他一些工具。
-
Brython：用JavaScript编写的Python VM, 允许在浏览器中执行Py3k代码。
评论前必须登录！
注册