将Psyco混合到我的项目中有什么风险（如果有的话）？

Question

我在一个大型金融定价应用程序上工作，其中有一些长期运行的计算。我们已经确定了一些可以通过选择性应用psyco来加速的功能。我的管理层要求对费用进行评估。将psyco添加到我们的堆栈中的好处。

鉴于我的项目的关键性质，如果“性能增强”可能会降低可靠性，那么这是不可接受的。我已经读过使用psyco获得额外的性能，代价是使用更多的内存。我担心这可能是个问题。

我这样做：

@psyco.proxy
def my_slow_function(xxx):

总之，我们希望将psyco应用于不超过15个功能 - 这些功能非常重要。这个库中有数千个函数，所以这只影响我们代码的一小部分。所有功能都很小，数学和无状态。

• 是否存在使用更多内存的风险
• 将这个组件添加到我们久已建立的库中时，我们可能遇到任何其他问题吗？

仅供参考，平台是Windows 32位XP上的Python 2.4.4

更新：似乎主要的潜在风险是由于程序需要更多的内存来运行比添加psyco之前，所以理想情况下我想找到一种方法来查看添加psyco是否会显着改变内存需求系统

Answer 1

为什么不尝试分析它呢？ Psyco有一个非常详细的logging设施：

  

内存使用量：x + kb

     

Psyco目前关于发射的机器代码和支持数据结构消耗了多少内存的概念。这是对内存开销的一种估计（+符号应该提醒你这个数字被低估了）。使用此信息调整内存限制（第3.2.2节）。

另请注意memory usage is configurable：

  

<强> memorymax

     

当Psyco消耗的内存达到极限（以千字节为单位）时停止。此限制包括此Profiler启动之前消耗的内存。

Answer 2

Psyco是一个JIT编译器。如果你的函数是无状态的，那么除了更多的内存之外几乎没有任何退缩。