来自Google 开源博客：
PyPy是Python的重新实现版本，使用先进技术，旨在比CPython具有更好的性能。多年的辛勤工作终于得到了回报。我们的速度结果通常击败CPython，从稍微慢一点，到实际应用代码加速2倍，甚至在小基准测试中加速高达10倍。
这怎么可能呢？是哪个Python实现版本用来实现PyPy的？CPython？那么，有没有机会让PyPyPy或PyPyPyPy超越它们的分数呢？
(另外...为什么会有人尝试这样做呢？)
PyPy -- 它如何可能击败CPython？
283
- Agnel Kurian
4
4个回答
316
"PyPy是Python在Python中的重新实现"这样描述PyPy是有点误导人，但从技术上讲确实如此。
PyPy有两个主要部分：
- 翻译框架
- 解释器
翻译框架是一个编译器。它将RPython代码编译成C（或其他目标），自动添加垃圾收集和JIT编译器等方面的内容。它不能处理任意的Python代码，只能处理RPython。
RPython是普通Python的一个子集；所有的RPython代码都是Python代码，但反过来不一定成立。没有关于RPython的正式定义，因为RPython基本上只是“可以由PyPy的翻译框架翻译的Python子集”。但是，为了能够进行翻译，RPython代码必须是静态类型的（类型是推断出来的，你不需要声明它们，但变量只能有一种类型），而且你也不能在运行时声明/修改函数/类等。
解释器是一个用RPython编写的普通Python解释器。
由于RPython代码是普通的Python代码，所以你可以在任何Python解释器上运行它。但是，PyPy的速度优势并不来自这种方式运行它；这只是为了进行快速测试循环，因为翻译解释器需要很长的时间。
了解了这些，就应该立即清楚关于PyPyPy或PyPyPyPy的猜测实际上没有任何意义。你有一个用RPython编写的解释器。你将其翻译成执行Python的C代码。这个过程到此为止；没有更多的RPython可以通过再次处理来加速。
因此，“PyPy如何比CPython更快”也变得相当明显。 PyPy有一个更好的实现，包括JIT编译器（我相信如果没有JIT编译器，它通常不会比较快，这意味着对于能够进行JIT编译的程序，PyPy才会更快）。CPython从未被设计为Python语言的高度优化实现（尽管他们确实试图使其成为高度优化的实现，如果你能理解这个区别的话）。
PyPy项目的真正创新之处在于，他们不手写复杂的 GC 方案或 JIT 编译器，而是使用 RPython 相对简单地编写解释器。虽然 RPython 比 Python 更低级，但它仍然是一种面向对象的垃圾回收语言，比 C 更高级。然后，翻译框架会自动添加 GC 和 JIT 等功能。因此，翻译框架是一个非常大的工作量，但它同样适用于 PyPy Python 解释器的任何实现方式，允许更自由地进行性能改进实验（无需担心引入 GC 错误或更新 JIT 编译器以适应变化）。这也意味着，当他们开始实现 Python3 解释器时，它将自动获得相同的优势。同时，所有使用 PyPy 框架编写的解释器（其中有许多处于不同阶段的完善）以及使用 PyPy 框架的解释器都自动支持框架支持的所有平台。因此，PyPy项目的真正好处在于尽可能地分离出为实现动态语言的高效、跨平台解释器所需的所有部分。然后，在一个地方提供一个良好的实现，可以在许多解释器中重复使用。这不像“我的 Python 程序现在运行更快”那样立竿见影，但对于未来来说是一个很好的前景。
并且它可能会使您的 Python 程序运行更快。
- Ben
2
9我没能理解其中的区别。 - polvoazul
47"优化语言实现"和"优化型"的区别？当我说CPython是一种良好优化的实现时，我指的是开发人员尝试使解释器内部算法和内置数据结构运行高效。相反，"优化型"实现会分析最终用户的代码，并尝试找出将其转换为更高效执行的方法。 - Ben
166
Q1. 这是如何实现的？
手动内存管理（也就是CPython使用计数方法）在某些情况下可能比自动管理更慢。
CPython解释器实现上的限制阻碍了PyPy可以做的某些优化（例如细粒度锁定）。
像Marcelo所说的，这是通过JIT实现的。能够即时确认对象类型可以节省您不必要的多次指针反引用，最终到达您想要调用的方法。
Q2. PyPy使用了哪个Python实现进行实现？
PyPy解释器是用RPython实现的，它是Python的静态类型子集（语言而不是CPython解释器）。-有关详细信息，请参见https://pypy.readthedocs.org/en/latest/architecture.html。
Q3. PyPyPy或PyPyPyPy有打败其得分的机会吗？
这将取决于这些假设解释器的实现方式。如果其中一个解释器例如获取源代码，对其进行某种分析，并在一段时间后直接将其转换为紧密的目标特定汇编代码，我认为它将比CPython更快。
更新：最近，在精心制作的示例中，PyPy的性能超过了类似C程序使用gcc -O3编译的程序。这是一个人为的情况，但确实展示了一些想法。
Q4. 为什么有人会尝试这样的事情？
来自官方网站。 https://pypy.readthedocs.org/en/latest/architecture.html#mission-statement
我们的目标是提供：
提供通用的翻译和支持框架，用于生成动态语言的实现，强调语言规范和实现方面之间的清晰分离。我们称之为
RPython工具链_。一种符合标准、灵活且快速的Python_语言实现，它使用上述工具链，以便在不编码低级细节的情况下启用新的高级特性。
通过这种方式分离关注点，我们对Python和其他动态语言的实现能够自动生成任何动态语言的即时编译器。它还允许在实现决策方面进行混合和匹配，包括许多历史上超出用户控制范围的决策，例如目标平台、内存和线程模型、垃圾回收策略以及应用的优化，包括是否首先使用JIT。
像C编译器gcc一样是用C实现的，Haskell编译器GHC是用Haskell编写的。你有没有理由不用Python编写解释器/编译器呢？
- Noufal Ibrahim
5
93这个回答完全缺少解释PyPy快的主要原因；虽然它提到了PyPy不是真正用Python实现的，而是用RPython实现的，但它没有指出RPython代码是静态编译和优化以生成PyPy解释器（它也恰好是可以在CPython上运行得更慢的有效Python代码）。他们在“普通Python”中实现的是RPython“编译器”（块引用中提到的翻译框架）。 - Ben
12这是深埋了主要内容。大部分性能来源于将代码翻译为C语言（这使得解释器的速度与CPython相差不大），以及JIT技术，它可以显著加快热点路径的执行速度。 - Tobu
5更新：最近，PyPy在仔细设计的示例上表现优于使用gcc -O3编译的类似C程序。如果你阅读该帖子下的第一条评论，会发现该帖子作者并不了解链接时优化。启用链接时优化后，C代码运行速度更快。 - Ali
3好的，这篇博客文章发布于2011年，而这个回答是在2014年。此外，评论中提到了共享库。我不知道这些（回答和博客文章）有多少仍然有效。过去几年中，所有涉及的技术都发生了很大变化。 - Noufal Ibrahim
1在两个精心设计的Pypy比等效C更快的例子中，每个基准测试之所以更快，是因为有非常特定的原因。第一个原因是因为Pypy足够聪明，能够意识到紧密循环计数的事情从未被使用过，因此可以完全删除它（JIT pass）。第二个原因是由于Pypy JIT可以“跨库边界内联”，例如“printf”函数被专门化为只能发出整数，并消除了重复的malloc（内存分配开销）。 - amcgregor
24
PyPy是用Python实现的，但它使用JIT编译器即时生成本机代码。
实现PyPy在Python之上的原因可能是Python是一种非常高效的语言，特别是因为JIT编译器使得宿主语言的性能有些无关紧要。
- Marcelo Cantos
2
JIT 是否生成与 PyPy 同级别运行的 Python 代码，还是生成在 PyPy 运行所在的 Python 实现层次上运行的真正本机代码？ - Edmund
12
PyPy使用Restricted Python编写，据我所知，它并不运行在CPython解释器之上。Restricted Python是Python语言的一个子集。据我所知，PyPy解释器被编译为机器码，因此安装后在运行时不需要利用Python解释器。
你的问题似乎期望PyPy解释器在执行代码时运行在CPython之上。 编辑：是的，要使用PyPy，您需要首先将PyPy Python代码翻译为C并使用gcc构建，或者翻译为jvm字节码，或者翻译为.Net CLI代码。请参见入门指南
- bobpaul
1
11PyPy可以在CPython的基础上运行，但在这种模式下它并不能提供人们期望的速度优势。 :-) http://codespeak.net/pypy/dist/pypy/doc/getting-started-python.html#id9 - Frank V
网页内容由stack overflow 提供, 点击上面的可以查看英文原文，
原文链接
原文链接
gcc。因此，你也可以编写一些在 CPython 上运行的 Python 代码，解释其他一些 Python 代码，将其转换为 C 代码，并执行gcc，然后执行编译后的程序。如果代码被频繁调用，它可能会更快。 - Sergey Orshanskiy