（这是Statistical profiler for PyPy）
的后续行动我在PyPy下运行一些Python代码，并希望对其进行优化。
在Python中，我会使用statprof或lineprofiler来确定导致减速的确切行并尝试解决它们。但是在PyPy中，两个工具都没有真正报告合理的结果，因为PyPy可能会优化掉某些行。我也不想使用cProfile，因为我发现很难将报告的部分功能作为瓶颈。
有没有人有关于如何进行的一些提示？也许是另一个在PyPy下运行良好的分析器？一般来说，如何为PyPy优化Python代码？
答案 0 :(得分：6)
如果您了解PyPy架构的工作方式，您会发现尝试精确定位各行代码并不是很有效。您首先使用RPython编写的Python解释器，然后通过跟踪JIT运行，该JIT生成流图，然后转换这些图以优化RPython解释器。这意味着由正在运行JY的RPython解释器运行的Python代码的布局可能与实际运行的优化汇编器具有非常不同的结构。此外，请记住，JIT始终适用于循环或函数，因此获取逐行统计信息并不那么有意义。因此，我认为cProfile对您来说可能是一个不错的选择，因为它会让您了解优化的集中位置。一旦你知道哪些功能是你的瓶颈，你可以花费你的优化工作来定位那些较慢的功能，而不是试图修复一行Python代码。
请记住，PyPy具有与cPython截然不同的性能特征。总是尝试以尽可能简单的方式编写代码（这并不意味着尽可能少的行btw）。还有一些其他的启发式方法可以帮助您使用专门的列表，当您拥有少量大多数常量键时使用对象而不使用C Python API等来避免C扩展等等。
如果你真的，真的坚持尝试在线级进行优化。有几个选择。一个叫做JitViewer（https://bitbucket.org/pypy/jitviewer），它可以让你对JIT对你的代码所做的工作有一个非常低级的视图。例如，您甚至可以看到对应于Python循环的汇编程序指令。使用该工具，您可以真正理解PyPy对代码的某些部分的快速行为，因为您现在可以执行愚蠢的操作，例如计算用于循环的汇编器指令的数量等。