为什么不总是将psyco用于Python代码？

Question

psyco似乎在优化Python代码方面非常有用，而且它以非侵入性的方式完成。

因此，人们不得不怀疑。假设你总是在x86架构上（这是大多数应用程序运行的地方），为什么不总是使用psyco来代替所有Python代码呢？它有时会出错并破坏程序的正确性吗？增加一些奇怪案例的运行时间？

你有过任何负面经历吗？到目前为止，我最负面的经验是它使我的代码速度提高了15％。通常它会更好。

自然地，使用psyco并不能替代有效的算法和编码。但是如果你能以两行的成本（导入和调用psyco）来提高代码的性能，我认为没有充分的理由不这样做。

Answer 1

1）内存开销是主要的，如其他答案中所述。您还需要支付编译成本，如果您没有选择性，这可能会令人望而却步。来自user reference：

  

对于中型或大型应用程序来说，编译所有内容通常都是过度的。编译过多的缺点在于编译时间，以及此进程消耗的内存量。保持这是一个微妙的平衡。

2）Psyco编译实际上会损害性能。再次从用户指南（"known bugs"部分）：

  

还存在性能错误：Psyco减慢代码而不是加速代码的情况。很难列出可能的原因，但这里有一些常见的原因：

     

  
• 必须避免使用内置的map和filter函数，并将其替换为列表推导。例如，map(lambda x: x*x, lst)应替换为更易读但更新的语法[x*x for x in lst]。
  
• 正则表达式的编译似乎没有从Psyco中受益。 （正则表达式的执行不受影响，因为它是C代码。）不要在此模块上启用Psyco;如有必要，请明确禁用它，例如致电psyco.cannotcompile(re.compile)。
  

3）最后，有一些相对模糊的情况，使用Psyco实际上会引入错误。其中一些是listed here。

Answer 2

  

Psyco目前使用大量内存。   它仅在Intel 386兼容的情况下运行   处理器（在任何操作系统下）现在。   有一些微妙的语义   差异（即错误）与方式   Python工作;他们不应该   在大多数课程中都很明显。

另见caveats section。举一个简单的例子，我注意到我的网络应用程序使用Cheetah生成的模板和DB I / O没有获得明显的加速。

Answer 3

当使用pyglet时，我发现我无法在整个应用程序上使用psyco而不会使我的应用程序无法正常运行。当然，我可以在数学代码的一小部分中使用它，但这没有必要，所以我没有打扰。

另外，psyco用我的分析结果做了一些奇怪的事情（例如，好吧，根本不用非psyco版本改变它们）。我怀疑它与分析代码不一致。

我真的没有真正使用它，除非我真的想要速度，这不是经常的。我的首要任务是算法优化，这通常会带来更好的加速。

Answer 4

这也取决于你的瓶颈所在。我主要做网络应用程序，瓶颈可能是更多的IO和数据库。所以你应该知道在哪里进行优化。

还要注意，也许你首先应该考虑你的代码，而不是直接抛出psyco。因此，我同意Devin的观点，即算法优化应该是第一位的，它们可能会产生不必要的副作用。

Answer 5

psyco死了，不再维持。是时候找到另一个

了

Answer 6

不应该依靠一些魔法来解决你的问题。通常不需要使用psyco来使程序更慢。可以重写错误的算法，需要速度的部分可以用另一种语言编写。当然，你的问题问我们为什么不使用它来提高速度，当你使用psyco时会有一些开销。 Psyco使用内存，当你看它们时，这两行只是像开销一样感觉感觉。至于我为什么不使用psyco的个人原因，这是因为它不支持x86_64，我认为它是新的即将到来的架构（尤其是2038迟早会接近）。我的替代品是pypy，但我也不完全喜欢它。

Answer 7

其他一些事情：

1. 似乎没有积极维护。
2. 这可能是记忆生长。

Answer 8

非常简单：“因为代码已经足够快了”。