如何加速Python代码？
极客时间编辑部
讲述：丁婵大小：5.87M时长：04:17
如今，Python 如此火爆，已发展成为一种非常通用的语言，无论是从入门级选手到专业技术数据挖掘、科学计算、图像处理、人工智能，Python 都可以胜任。最近，软件 / 数据工程师里克·简·范·巴伦（Rrik-Jan van Baaren）分享了 5 个提高 Python 性能的方法，以供 Python 开发者参考。InfoQ对其进行了编译，如下。
1. 优化代码和算法
许多速度问题可以通过实现更好的算法或添加缓存来解决，但也需要遵循一些指导方针，比如：
测量代码中哪些部分运行时间最长，先把重点放在这些部分上。
实现缓存：如果你从磁盘、网络和数据库执行了多次重复的查找，那说明你该优化这部分了。
重用对象，而不是在每次迭代中创建一个新对象，释放内存。
尽可能减少代码中的迭代次数，特别是减少迭代中的操作次数。
避免（深度）递归，对于 Python 编译器来说，它需要大量的内存和维护（Housekeeping），可以改用生成器和迭代之类的工具。
减少内存使用。
2. 使用 PyPy
你可能正在使用 Python 的参考实现 CPython。之所以称为 CPython，是因为它用 C 语言编写的。如果你确定你的代码是 CPU 密集型（CPU bound），那么你应该研究一下 PyPy，它是 CPython 的替代方案。这可能是一种快速解决方案，无需更改任何一行代码。
PyPy 声称，它的平均速度比 CPython 要快 4.4 倍，因为它是 JIT 技术来实现的，Java 和 .NET 框架就是 JIT 编译的著名实例。JIT 编译器可以在运行时不断优化代码，代码运行时间越长，它就会变得越优化。
3. 使用线程
大部分软件都是 IO 密集型，而不是 CPU 密集型。对于前者，软件主要是等待输入 / 输出操作完成才能工作。在从网络或缓慢的存储中获取数据时，通常会出现这种情况。对于后者，软件占用了大量的 CPU 资源。它使用了 CPU 所有的能力来产生所需的结果。
在等待来自网络或磁盘的应答时，你可以使用多个线程使其他部分保持运行状态。一个线程是一个独立的执行序列。默认情况下，Python 程序有一个主线程。但你可以创建更多的主线程，并让 Python 在它们之间快速切换。
线程是独立的执行序列，共享相同的内存空间，但与其他编程语言不同的是，Python 线程并不是同时运行的，而是轮流运行。这是因为 Python 中有一种全局解释器锁（ Global Interpreter Lock，GIL）机制。
线程对于 IO 密集型的软件有很大的影响，但对 CPU 密集型的软件毫无用处。因为当一个线程在等待来自网络的答复时，其他线程可以继续运行。如果你要执行大量的网络请求，线程会带来巨大的差异和更多的开销。
4. 使用 Asyncio
Asyncio 是 Python 中一个相对较新的核心库，它解决了与线程相同的问题，它加快了 IO 密集型软件的速度。不过 Asyncio 相当复杂，特别是对于初学者来说，网上的教程和示例代码更新也跟不上其发展的速度。
5. 同时使用多个处理器
如果你的软件是 CPU 密集型的，你可以同时使用多个处理器重写你的代码。通过这种方式，你就可以线性地调整执行速度。这就是所谓的并行性，但并不是所有的算法都可以并行运行。例如，简单将递归算法进行并行化是不可能的。
使用多个处理器有两种方式：
在同一台机器内使用多个处理器和 / 或内核。
通过计算机网络来使用多个处理器，分布在多台计算机上，也就是分布式计算。
以上就是今天的内容，希望对你有所帮助。
公开
同步至部落
取消
完成
0/2000
荧光笔
直线
曲线笔记
复制
AI
- 深入了解
- 翻译
- 解释
- 总结
该免费文章来自《极客视点》，如需阅读全部文章，
请先领取课程
请先领取课程
免费领取
© 版权归极客邦科技所有，未经许可不得传播售卖。 页面已增加防盗追踪，如有侵权极客邦将依法追究其法律责任。
登录 后留言
全部留言(3)
- 最新
- 精选
云飞 Phil我理解得正确么？如果少量网络连接，用线程。如果很多网络连接，应该用进程或async IO
Weining Cao翻译还是有点问题。应该是多核，而不是多处理器。一般机器都只有一个处理器，但是处理器内部是多核的。我甚至觉得最后一条可能讲的是多进程。
小斧1. 优化代码和算法 2. 使用 PyPy 3. 使用线程 4. 使用 Asyncio 5. 同时使用多个处理器
收起评论