Python 与手写C相比，pypy处理线程和套接字的速度快吗？

与手写C相比，pypy处理线程和套接字的速度快吗？与普通python相比

我只是想尝试一下，但讨论中的python代码是为一个小型计算机集群编写的，我不是该集群的管理员。我在这里问这个问题是因为我在谷歌上的尝试只提供了与cython、UnladenSwallow等的比较，如果这不太可能奏效的话，我不想打扰管理员

---

我其实不需要pypy在C上表现得那么好；我希望使用它，因为现在解释器的开销完全盖过了我试图计算时间的计算。我只需要pypy来让我熟悉手写C。它应该可以相当快地处理套接字和线程，我不能保证它会和C一样快，pypy使用保护来确保值可以在C函数中运行。因为PyPy使用JIT，所以在大循环的情况下，它将提供最大的性能增益。您可以看看

问题不在于在标准API中调用例程，而在于两者之间的pypy处理。pypy处理越少，就越接近C速度（因为一旦执行进入实际的API代码，执行速度就没有差别）。不过，我并不期待奇迹出现

我发现了不同编程语言之间的差异，虽然pypy没有包括在内，但python在原始速度方面做得并不好

与手写C相比，pypy处理线程和套接字的速度快吗

不，通常都一样或更糟

PyPy保留了CPython拥有的全局解释器锁（GIL）。这意味着本机线程不能并行运行Python代码。Python线程还具有额外的语义，这是有代价的。很多同步都围绕着Python线程的启动、关闭和线程对象的跟踪。相比之下，C线程启动速度更快，使用成本更低，并且可以完全并行运行

有效的套接字处理要求将等待下一个套接字事件的时间减到最少。由于PyPy的线程模型仍然受GIL的约束，这意味着从阻塞套接字调用返回的线程在获得GIL之前无法继续。等效的C代码通常执行得更快，并且可以更快地返回到等待套接字事件

与普通python相比

对。但不多

出于上述原因，除了JIT和其他开销导致的偶尔峰值外，PyPy对等效代码所需的CPU时间更少。因此，线程和套接字处理都更快、响应更快

我只是想尝试一下，但讨论中的python代码是为一个小型计算机集群编写的，我不是该集群的管理员。我在这里问这个问题是因为我在谷歌上的尝试只提供了与cython、UnladenSwallow等的比较，如果这不太可能奏效的话，我不想打扰管理员

如果您的代码受CPU限制，PyPy只能显著提高性能。PyPy是我所知道的本地运行的Python实现。如果真正的线程并行性对你来说是一个高优先级，你可以研究其中的一些，或者考虑编写C扩展。 我其实不需要pypy在C上表现得那么好；我希望使用它，因为现在解释器的开销完全盖过了我试图计算时间的计算。我只需要pypy把我带到手写C附近

---

用C缩小性能差距是PyPy目前最大的特性。我强烈建议您尝试一下。

我看到了这些基准测试，但希望看到一些将pypy与c和python进行比较的例子，因为这种最新的基准测试可以追溯到pypy的许多版本。我将继续尝试pypy；我将在这里发布至少一些比较pypy和python的基准测试；执行机器可以。这就是为什么这个问题问的是PyPy，而不是CPython。@Marcin：他问的是PyPy与C的关系，并假设在同一台“执行机器”（同一台计算机）上测试两者的执行速度，结果应该是一个相对性能指标。除非你在处理器中正确运行所有程序，否则执行机器会更多。CPython和PyPy不是一回事，它们有着不同的性能特征。要了解PyPy的性能如何与CPython完全不同，请参见bluemoon的建议。@OlofForshell您是故意迟钝吗？我并不是说不可能测量由C代码生成的特定可执行文件的性能——我是说这是唯一可能的测量，因为不存在语言性能的测量。您是否考虑过用一个小脚本来尝试它？是“等待套接字”还是“启动和停止线程”真的是应用程序CPU受限的性能瓶颈吗？如果是，您可能希望使用select（）等待套接字并放弃并行尝试。您是否完成了原始代码的分析？它肯定会变慢（除非您使用比C程序中包含的库更好的库）.JIT是一个很好的功能，但是访问时间仍然会受到影响，JIT可以使用更多的ram。但是我不喜欢使用垃圾收集器的网络功能。你怎么知道解释器开销占主导地位？如果你在集群上运行此程序，为什么要使用线程？如果你已经使用套接字与集群上的实例共享数据其他机器，为什么不使用套接字和多处理模块在一台机器上运行多个实例呢？这将使您绕过全局解释器锁定。我最终只是尝试了pypy，不幸的是它没有实质性地加快速度，我不得不用C重写代码。感谢您的回复