（點擊上方藍字，快速關注我們）
來源：xybaby
www.cnblogs.com/xybaby/p/6510941.html
如有好文章投稿，請點擊 → 這裡了解詳情
正文
注意：本文除非特殊指明，」python「都是代表CPython，即C語言實現的標準python，且本文所討論的是版本為2.7的CPython。
python為什麼性能差：
當我們提到一門程式語言的效率時：通常有兩層意思，第一是開發效率，這是對程式設計師而言，完成編碼所需要的時間；另一個是運行效率，這是對計算機而言，完成計算任務所需要的時間。編碼效率和運行效率往往是魚與熊掌的關係，是很難同時兼顧的。不同的語言會有不同的側重，python語言毫無疑問更在乎編碼效率，life is short，we use python。
雖然使用python的編程人員都應該接受其運行效率低的事實，但python在越多越來的領域都有廣泛應用，比如科學計算 、web伺服器等。程式設計師當然也希望python能夠運算得更快，希望python可以更強大。
首先，python相比其他語言具體有多慢，這個不同場景和測試用例，結果肯定是不一樣的。這個網址給出了不同語言在各種case下的性能對比，這一頁是python3和C++的對比，下面是兩個case：
python運算效率低，具體是什麼原因呢，下列羅列一些
第一：python是動態語言
一個變量所指向對象的類型在運行時才確定，編譯器做不了任何預測，也就無從優化。舉一個簡單的例子： r = a + b。 a和b相加，但a和b的類型在運行時才知道，對於加法操作，不同的類型有不同的處理，所以每次運行的時候都會去判斷a和b的類型，然後執行對應的操作。而在靜態語言如C++中，編譯的時候就確定了運行時的代碼。
另外一個例子是屬性查找，關於具體的查找順序在《python屬性查找》中有詳細介紹。簡而言之，訪問對象的某個屬性是一個非常複雜的過程，而且通過同一個變量訪問到的python對象還都可能不一樣（參見Lazy property的例子）。而在C語言中，訪問屬性用對象的地址加上屬性的偏移就可以了。
第二：python是解釋執行，但是不支持JIT（just in time compiler）。雖然大名鼎鼎的google曾經嘗試Unladen Swallow 這個項目，但最終也折了。
第三：python中一切都是對象，每個對象都需要維護引用計數，增加了額外的工作。
第四：python GIL
GIL是Python最為詬病的一點，因為GIL，python中的多線程並不能真正的並發。如果是在IO bound的業務場景，這個問題並不大，但是在CPU BOUND的場景，這就很致命了。所以筆者在工作中使用python多線程的情況並不多，一般都是使用多進程（pre fork），或者在加上協程。即使在單線程，GIL也會帶來很大的性能影響，因為python每執行100個opcode（默認，可以通過sys.setcheckinterval()設置）就會嘗試線程的切換，具體的原始碼在ceval.c::PyEval_EvalFrameEx。
第五：垃圾回收，這個可能是所有具有垃圾回收的程式語言的通病。python採用標記和分代的垃圾回收策略，每次垃圾回收的時候都會中斷正在執行的程序，造成所謂的頓卡。infoq上有一篇文章，提到禁用Python的GC機制後，Instagram性能提升了10%。感興趣的讀者可以去細讀。
Be pythonic
我們都知道 過早的優化是罪惡之源，一切優化都需要基於profile。但是，作為一個python開發者應該要pythonic，而且pythonic的代碼往往比non－pythonic的代碼效率高一些，比如：
dict的iteritems 而不是items（同itervalues，iterkeys）
使用generator，特別是在循環中可能提前break的情況
基於profile的優化
即使我們的代碼已經非常pythonic了，但可能運行效率還是不能滿足預期。我們也知道80/20定律，絕大多數的時間都耗費在少量的代碼片段裡面了，優化的關鍵在於找出這些瓶頸代碼。方式很多：到處加log列印時間戳、或者將懷疑的函數使用timeit進行單獨測試，但最有效的是使用profile工具。
python profilers
對於python程序，比較出名的profile工具有三個：profile、cprofile和hotshot。其中profile是純python語言實現的，Cprofile將profile的部分實現native化，hotshot也是C語言實現，hotshot與Cprofile的區別在於：hotshot對目標代碼的運行影響較小，代價是更多的後處理時間，而且hotshot已經停止維護了。需要注意的是，profile（Cprofile hotshot）只適合單線程的python程序。
對於多線程，可以使用yappi，yappi不僅支持多線程，還可以精確到CPU時間
對於協程（greenlet），可以使用greenletprofiler，基於yappi修改，用greenlet context hook住thread context
下面給出一段編造的」效率低下「的代碼，並使用Cprofile來說明profile的具體方法以及我們可能遇到的性能瓶頸。
# -*- coding: UTF-8 -*-
from cProfile import Profile
import math
def foo():
return foo1()
def foo1():
return foo2()
def foo2():
return foo3()
def foo3():
return foo4()
def foo4():
return "this call tree seems ugly, but it always happen"
def bar():
ret = 0
for i in xrange(10000):
ret += i * i + math.sqrt(i)
return ret
def main():
for i in range(100000):
if i % 10000 == 0:
bar()
else:
foo()
if __name__ == '__main__':
prof = Profile()
prof.runcall(main)
prof.print_stats()
#prof.dump_stats('test.prof') # dump profile result to test.prof
code for profile
運行結果如下：
對於上面的的輸出，每一個欄位意義如下：
ncalls 函數總的調用次數
tottime 函數內部（不包括子函數）的佔用時間
percall（第一個） tottime/ncalls
cumtime 函數包括子函數所佔用的時間
percall（第二個）cumtime/ncalls
filename:lineno(function) 文件：行號（函數）
代碼中的輸出非常簡單，事實上可以利用pstat，讓profile結果的輸出多樣化，具體可以參見官方文檔python profiler。
profile GUI tools
雖然Cprofile的輸出已經比較直觀，但我們還是傾向於保存profile的結果，然後用圖形化的工具來從不同的維度來分析，或者比較優化前後的代碼。查看profile結果的工具也比較多，比如，visualpytune、qcachegrind、runsnakerun，本文用visualpytune做分析。對於上面的代碼，按照注釋生成修改後重新運行生成test.prof文件，用visualpytune直接打開就可以了，如下：
欄位的意義與文本輸出基本一致，不過便捷性可以點擊欄位名排序。左下方列出了當前函數的calller（調用者），右下方是當前函數內部與子函數的時間佔用情況。上如是按照cumtime（即該函數內部及其子函數所佔的時間和）排序的結果。
造成性能瓶頸的原因通常是高頻調用的函數、單次消耗非常高的函數、或者二者的結合。在我們前面的例子中，foo就屬於高頻調用的情況，bar屬於單次消耗非常高的情況，這都是我們需要優化的重點。
python-profiling-tools中介紹了qcachegrind和runsnakerun的使用方法，這兩個colorful的工具比visualpytune強大得多。具體的使用方法請參考原文，下圖給出test.prof用qcachegrind打開的結果。
qcachegrind確實要比visualpytune強大。從上圖可以看到，大致分為三部：。第一部分同visualpytune類似，是每個函數佔用的時間，其中Incl等同於cumtime， Self等同於tottime。第二部分和第三部分都有很多標籤，不同的標籤標示從不同的角度來看結果，如圖上所以，第三部分的「call graph」展示了該函數的call tree並包含每個子函數的時間百分比，一目了然。
profile針對優化
知道了熱點，就可以進行針對性的優化，而這個優化往往根具體的業務密切相關，沒用萬能鑰匙，具體問題，具體分析。個人經驗而言，最有效的優化是找產品經理討論需求，可能換一種方式也能滿足需求，少者稍微折衷一下產品經理也能接受。次之是修改代碼的實現，比如之前使用了一個比較通俗易懂但效率較低的算法，如果這個算法成為了性能瓶頸，那就考慮換一種效率更高但是可能難理解的算法、或者使用dirty Flag模式。對於這些同樣的方法，需要結合具體的案例，本文不做贅述。
接下來結合python語言特性，介紹一些讓python代碼不那麼pythonic，但可以提升性能的一些做法
第一：減少函數的調用層次
每一層函數調用都會帶來不小的開銷，特別對於調用頻率高，但單次消耗較小的calltree，多層的函數調用開銷就很大，這個時候可以考慮將其展開。
對於之前調到的profile的代碼，foo這個call tree非常簡單，但頻率高。修改代碼，增加一個plain_foo()函數, 直接返回最終結果，關鍵輸出如下：
跟之前的結果對比：
可以看到，優化了差不多3倍。
第二：優化屬性查找
上面提到，python 的屬性查找效率很低，如果在一段代碼中頻繁訪問一個屬性（比如for循環），那麼可以考慮用局部變量代替對象的屬性。
第三：關閉GC
在本文的第一章節已經提到，關閉GC可以提升python的性能，GC帶來的頓卡在實時性要求比較高的應用場景也是難以接受的。但關閉GC並不是一件容易的事情。我們知道python的引用計數只能應付沒有循環引用的情況，有了循環引用就需要靠GC來處理。在python語言中, 寫出循環引用非常容易。比如：
case 1：
a, b = SomeClass(), SomeClass()
a.b, b.a = b, a
case 2：
lst = []
lst.append(lst)
case 3：
self.handler = self.some_func
當然，大家可能說，誰會這麼傻，寫出這樣的代碼，是的，上面的代碼太明顯，當中間多幾個層級之後，就會出現「間接」的循環應用。在python的標準庫 collections裡面的OrderedDict就是case2：
要解決循環引用，第一個辦法是使用弱引用（weakref），第二個是手動解循環引用。
第四：setcheckinterval
如果程序確定是單線程，那麼修改checkinterval為一個更大的值，這裡有介紹。
第五：使用__slots__
slots最主要的目的是用來節省內存，但是也能一定程度上提高性能。我們知道定義了__slots__的類，對某一個實例都會預留足夠的空間，也就不會再自動創建__dict__。當然，使用__slots__也有許多注意事項，最重要的一點，繼承鏈上的所有類都必須定義__slots__，python doc有詳細的描述。下面看一個簡單的測試例子：
class BaseSlots(object):
__slots__ = ['e', 'f', 'g']
class Slots(BaseSlots):
__slots__ = ['a', 'b', 'c', 'd']
def __init__(self):
self.a = self.b = self.c = self.d = self.e = self.f = self.g = 0
class BaseNoSlots(object):
pass
class NoSlots(BaseNoSlots):
def __init__(self):
super(NoSlots,self).__init__()
self.a = self.b = self.c = self.d = self.e = self.f = self.g = 0
def log_time(s):
begin = time.time()
for i in xrange(10000000):
s.a,s.b,s.c,s.d, s.e, s.f, s.g
return time.time() - begin
if __name__ == '__main__':
print 'Slots cost', log_time(Slots())
print 'NoSlots cost', log_time(NoSlots())
輸出結果：
Slots cost 3.12999987602
NoSlots cost 3.48100018501
python C擴展
也許通過profile，我們已經找到了性能熱點，但這個熱點就是要運行大量的計算，而且沒法cache，沒法省略。。。這個時候就該python的C擴展出馬了，C擴展就是把部分python代碼用C或者C++重新實現，然後編譯成動態連結庫，提供接口給其它python代碼調用。由於C語言的效率遠遠高於python代碼，所以使用C擴展是非常普遍的做法，比如我們前面提到的cProfile就是基於_lsprof.so的一層封裝。python的大所屬對性能有要求的庫都使用或者提供了C擴展，如gevent、protobuff、bson。
筆者曾經測試過純python版本的bson和cbson的效率，在綜合的情況下，cbson快了差不多10倍！
python的C擴展也是一個非常複雜的問題，本文僅給出一些注意事項：
第一：注意引用計數的正確管理
這是最難最複雜的一點。我們都知道python基於指針技術來管理對象的生命周期，如果在擴展中引用計數出了問題，那麼要麼是程序崩潰，要麼是內存洩漏。更要命的是，引用計數導致的問題很難debug。。。
C擴展中關於引用計數最關鍵的三個詞是：steal reference，borrowed reference，new reference。建議編寫擴展代碼之前細讀python的官方文檔。
第二：C擴展與多線程
這裡的多線程是指在擴展中new出來的C語言線程，而不是python的多線程，出了python doc裡面的介紹，也可以看看《python cookbook》的相關章節。
第三：C擴展應用場景
僅適合與業務代碼的關係不那麼緊密的邏輯，如果一段代碼大量業務相關的對象 屬性的話，是很難C擴展的
將C擴展封裝成python代碼可調用的接口的過程稱之為binding，Cpython本身就提供了一套原生的API，雖然使用最為廣泛，但該規範比較複雜。很多第三方庫做了不同程度的封裝，以便開發者使用，比如boost.python、cython、ctypes、cffi（同時支持pypy cpython），具體怎麼使用可以google。
beyond CPython
儘管python的性能差強人意，但是其易學易用的特性還是贏得越來越多的使用者，業界大牛也從來沒有放棄對python的優化。這裡的優化是對python語言設計上、或者實現上的一些反思或者增強。這些優化項目一些已經夭折，一些還在進一步改善中，在這個章節介紹目前還不錯的一些項目。
cython
前面提到cython可以用到binding c擴展，但是其作用遠遠不止這一點。
Cython的主要目的是加速python的運行效率，但是又不像上一章節提到的C擴展那麼複雜。在Cython中，寫C擴展和寫python代碼的複雜度差不多（多虧了Pyrex）。Cython是python語言的超集，增加了對C語言函數調用和類型聲明的支持。從這個角度來看，cython將動態的python代碼轉換成靜態編譯的C代碼，這也是cython高效的原因。使用cython同C擴展一樣，需要編譯成動態連結庫，在linux環境下既可以用命令行，也可以用distutils。
如果想要系統學習cython，建議從cython document入手，文檔寫得很好。下面通過一個簡單的示例來展示cython的使用方法和性能（linux環境）。
首先，安裝cython：
pip install Cython
下面是測試用的python代碼，可以看到這兩個case都是運算複雜度比較高的例子：
def f():
return x**2-x
def integrate_f(a, b, N):
s = 0
dx = (b-a)/N
for i in range(N):
s += f(a+i*dx)
return s * dx
def main():
import time
begin = time.time()
for i in xrange(10000):
for i in xrange(100):f(10)
print 'call f cost:', time.time() - begin
begin = time.time()
for i in xrange(10000):
integrate_f(1.0, 100.0, 1000)
print 'call integrate_f cost:', time.time() - begin
if __name__ == '__main__':
main()
運行結果：
call f cost: 0.215116024017
call integrate_f cost: 4.33698010445
不改動任何python代碼也可以享受到cython帶來的性能提升，具體做法如下：
from distutils.core import setup
from Cython.Build import cythonize
setup(
name = 'cython_example',
ext_modules = cythonize("cython_example.pyx"),
)
可以看到 增加了兩個文件，對應中間結果和最後的動態連結庫
運行結果：
call f cost: 0.0874309539795
call integrate_f cost: 2.92381191254
性能提升了大概兩倍，我們再來試試cython提供的靜態類型（static typing），修改cython_example.pyx的核心代碼，替換f()和integrate_f()的實現如下：
def f(double x): # 參數靜態類型
return x**2-x
def integrate_f(double a, double b, int N):
cdef int i
cdef double s, dx
s = 0
dx = (b-a)/N
for i in range(N):
s += f(a+i*dx)
return s * dx
然後重新運行上面的第三 四步：結果如下
call f cost: 0.042387008667
call integrate_f cost: 0.958620071411
上面的代碼，只是對參數引入了靜態類型判斷，下面對返回值也引入靜態類型判斷。
替換f()和integrate_f()的實現如下：
cdef double f(double x): # 返回值也有類型判斷
return x**2-x
cdef double integrate_f(double a, double b, int N):
cdef int i
cdef double s, dx
s = 0
dx = (b-a)/N
for i in range(N):
s += f(a+i*dx)
return s * dx
然後重新運行上面的第三 四步：結果如下
call f cost: 1.19209289551e-06
call integrate_f cost: 0.187038183212
Amazing！
pypy
pypy是CPython的一個替代實現，其最主要的優勢就是pypy的速度，下面是官網的測試結果：
在實際項目中測試，pypy大概比cpython要快3到5倍！pypy的性能提升來自JIT Compiler。在前文提到google的Unladen Swallow 項目也是想在CPython中引入JIT，在這個項目失敗後，很多開發人員都開始加入pypy的開發和優化。另外pypy佔用的內存更少，而且支持stackless，基本等同於協程。
pypy的缺點在於對C擴展方面支持的不太好，需要使用CFFi來做binding。對於使用廣泛的library來說，一般都會支持pypy，但是小眾的、或者自行開發的C擴展就需要重新封裝了。
ChangeLog
2017.03.10 增加了對__slots__的介紹
references
程式語言benchmark
python屬性查找
python profiler
yappi
greenletprofiler
python-profiling-tools
python C API
cython
Pyrex
cython document
pypy
看完本文有收穫？請轉發分享給更多人
關注「Python開發者」，提升Python技能