Python 3解释器是否具有JIT功能？

Question

我发现当我向Python提出更多要求时，python不会以100％的速度使用我的机器资源而且速度不是很快，与许多其他解释语言相比它速度很快，但与编译语言相比，我认为差异非常显着。

使用Python 3中的Just In Time（JIT）编译器可以加快速度吗？

通常JIT编译器是唯一能够提高解释语言性能的东西，所以我指的是这个，如果有其他解决方案可用，我很乐意接受新的答案。

Answer 1

首先，Python 3（.x）是一种语言，可以有任意数量的实现。好的，直到今天，除了CPython之外没有任何实现实际上实现了该语言的那些版本。但这会改变（PyPy正在迎头赶上）。

回答你要提出的问题：CPython，3.x或其他方式，不会，从来没有，也可能永远不会包含JIT编译器。其他一些Python实现（PyPy本身，Jython和IronPython通过为他们构建的虚拟机重用JIT编译器）确实有一个JIT编译器。并且没有理由他们的JIT编译器在添加Python 3支持时会停止工作。

但是当我在这里时，也让我解决一个误解：

  

通常，JIT编译器是唯一可以提高解释语言性能的东西

这不正确。 JIT编译器，以其最基本的形式，仅仅消除了解释器开销，这可以解释您看到的一些减速，但不是大多数。 良好的 JIT编译器还执行一系列优化，这些优化消除了实现大量Python功能所需的开销（通过检测允许更有效实现的特殊情况），突出的例子是动态类型，多态，和各种内省特征。

仅仅实现 编译器对此没有帮助。您需要非常聪明的优化，其中大多数仅在非常特定的情况下以及在有限的时间窗口内有效。 JIT编译器在这里很容易，因为它们可以在运行时生成专用代码（这是它们的全部要点），可以通过在运行时观察它来更容易（更准确地）分析程序，并且可以在它们变为无效时撤消优化。与提前编译器不同，他们还可以与口译员互动，并且经常这样做，因为这是一个明智的设计决策。我想这就是为什么它们与人们心中的翻译有关，尽管它们可以并且确实独立存在。

除了优化解释器的代码本身之外，还有其他方法可以使Python实现更快 - 例如，HotPy（2）项目。但那些目前处于研究或实验阶段，尚未显示其有效性（和成熟度）w.r.t.真实的代码。

当然，特定程序的性能取决于程序本身，而不是语言实现。语言实现仅设置了一系列操作的速度的上限。通常，只需避免不必要的工作，即通过优化程序，就可以更好地提高程序的性能。无论您是通过解释器，JIT编译器还是提前编译器运行程序，都是如此。如果你想要快速的东西，不要忘记更快的语言实现。有些应用程序在解释和动态性方面的开销是不可行的，但它们并不像你想象的那么普遍（通常通过选择性地调用机器代码编译代码来解决）。

Answer 2

唯一具有JIT的Python实现是PyPy。 Byt - PyPy是Python 2实现，而不是Python 3实现。你可以support the Python 3 port。

Answer 3

Numba项目应该适用于Python 3.虽然它不是你提出的问题，但你可能想尝试一下： https://github.com/numba/numba/blob/master/docs/source/doc/userguide.rst

目前它不支持所有Python语法。

Answer 4

您可以尝试pypy py3 branch，more or less python兼容，但官方的CPython实现没有JIT。

Answer 5

本网站上一些非凡的Python开发人员最好回答这个问题。

我仍然想评论：在讨论解释语言的速度时，我只想指出在this location: Computer Language Benchmarks Game

主持的项目

这是一个致力于运行基准测试的网站。有指定的任务要做。任何人都可以用他/她的首选语言提交解决方案，然后测试比较每个解决方案的运行时间。解决方案可以经过同行评审，通常可以由其他人进一步改进，并根据规范检查结果。从长远来看，这是比较不同语言的最公平的基准测试系统。

从indicative summaries like this one可以看出，与解释语言相比，编译语言非常快。然而，差异可能与编译的确切类型不同，事实上Python（以及图中的其他部分比python慢​​）是完全动态的。可以动态修改对象。类型可以动态修改。因此，某些类型检查必须延迟到运行时，而不是编译时。

因此，虽然您可以争论编译器的好处，但您必须考虑到不同语言中存在不同的功能。而这些功能可能会以固有的价格出现。

最后，在谈论速度时：通常情况并非语言和导致问题的语言感知缓慢，这是一个糟糕的算法。我从来没有必要切换语言，因为一个太慢：当我的代码中出现速度问题时，我修复了算法。但是，如果代码中存在耗时的计算密集型循环，则 通常值得重新编译。一个突出的例子是脚本语言使用的C编码的库（Perl XS库，或者例如Python的numpy / scipy，lapack / blas是可用于许多脚本语言的绑定的库的示例）

Answer 6

如果你的意思是JIT，就像在及时编译器中使用字节码表示那么它具有这样一个特征（从2.2开始）。如果你的意思是JIT来加工代码，那么没有。然而，编译为字节代码提供了很多性能改进。如果您希望它编译为机器代码，那么Pypy就是您正在寻找的实现。

注意：pypy不适用于Python 3.x

Answer 7

如果您正在寻找代码块中的速度提升，那么您可能需要查看使用pypy编译为C的rpythonic。它使用装饰器在JIT for Python中转换它。