PyPy是不是真的比Python快？
眾所周知， Python 編寫的程序運行不快，這種慢雖無大礙，但為了獲得更高的性能，我們需要再切換到另一種編程語言嗎?不一定。我們可以放棄python.py的運行方式，轉而使用 PyPy 即時編譯器。
根據官方網站的說法，就連Python 創建者 Guido von Rossum 都建議將 PyPy 用于關鍵性能的 Python 程序。接下來我們看看 PyPy 有多快。
基準測試的工作原理
為了比較 Python 和 PyPy，我編寫了幾個 Python 程序。著名算法、典型用例，甚至是基本的 HTTP 服務器。然后我用 Python 和 PyPy 執行程序——在 macOS 和 Linux 的終端中使用time模塊，可以看到執行某事的持續時間。使用 time模塊 看起來像這樣：
- time python.py
執行完成后，time模塊會報告您花費的時間。
使用的版本：
- PyPy：7.3.5，使用 Python 版本 3.7.10
- Python：版本 3.9.7
這兩個版本都是目前可用的最新版本。程序本身不記錄任何內容。我們只關心進行計算。
這是準備好的代碼片段。讓我們對每個場景進行基準測試。
1. 斐波那契
以下函數生成我們傳遞給它的數字的斐波那契值。
結果：
Python 平均需要 2337 毫秒的執行時間。
PyPy 平均只需要 301 毫秒。明顯的贏家是 PyPy。
2. web服務
為了對 PyPy 和 Python 處理 HTTP 請求的性能進行基準測試，使用 time 命令測量時間是行不通的。有效的是“wrk”——一個基準測試工具，在服務器上觸發大量 HTTP 請求。
因此，它為我們提供了有關服務器平均響應速度以及它可以處理多少 HTTP 請求的數據。
上面顯示的 Web 服務器在端口 4000 上為目錄“app”提供服務。在這個目錄中，我創建了一個小的 hello-world HTML 文件。基準測試在終端中執行：
- wrk -t12 -c400 -d10s http://localhost:4000/
結果如下：
Python：Web 服務器平均每秒可以處理 995 個請求，平均延遲為 2.03 毫秒。
PyPy：Web 服務器平均每秒可以處理 1481 個請求，平均延遲為 1.90 毫秒。如您所見，PyPy 要快得多。
3. 快速排序
快速排序可能是最有效的排序算法。這是它在 Python 中的實現：
在 Quicksort 實現下面，我們生成了 500 個隨機數并將它們存儲在一個數組中。這個數組是 Quicksort 算法將要排序的。
結果如下：
Python：平均而言，代碼執行時間為 43 毫秒
PyPy：平均執行時間為 132 毫秒。
是的，Python 在這里更快。 這也可以在內部測量時間時確認，使用 start = time.time() 技巧。
4. 堆棧
棧是一種簡單的數據結構。它是一個數組的更漂亮的詞，我們在它上面推東西并從中彈出它。下面的代碼創建這個數組，在堆棧上壓入和彈出 1000 萬個數字：
讓我們看看兩者的速度有多快。
Python：代碼平均耗時 2.89 秒
PyPy：平均需要 69 毫秒。是的，我說的是毫秒。
在這個基準測試中，PyPy 比普通 Python 快幾個數量級。
5. SQlite3 Database
數據庫是大型項目中常用的東西。我選擇 SQLite 來做一個基準測試，因為它很容易與 Python 一起使用——不需要通過 pip 安裝任何東西。以下代碼在基于文件的 SQLite 數據庫中創建一個新表。
在每次基準測試之前，我刪除了數據庫文件并創建了一個普通的新文件。但是數據庫存儲什么?范圍函數生成一百萬個數字，然后將每個數字加倍——函數 f(n) = n * 2。數據庫存儲每個函數對，例如“2、4”或“18、36”。
結果：
Python 平均需要 6.7 秒來執行代碼。
PyPy 平均需要 9.4 秒的執行時間。
Python 更快。我還嘗試將其與其他操作結合使用——比如刪除剛剛創建的條目。它沒有改變結果。在 SQlite3 數據庫的情況下， Python 比 PyPy 快。
總的來說，這讓我很驚訝。當 Python 勝過 PyPy 時，并不是關于數量級的。由于我不是 Python 或 PyPy 專家，我不確定為什么 Python 在某些情況下更好。可能是因為 PyPy 是一個 JIT 編譯器，所以在運行它時，它首先編譯代碼。
另一方面，默認的 Python 解釋器不會這樣做。因此，對于 PyPy 的劣勢，JIT 編譯增加了一些所需的時間。盡管如此，PyPy 在某些情況下提供了更快的執行速度。 如您所見，它在 5 種情況下的 3 種情況下提供了更快的執行。
原文：https://louispetrik.medium.com/pypy-vs-python-49153daca65c
