为什么不应该'；如果PyPy的速度是CPython的6.3倍，我会使用PyPy而不是CPython吗？

我一直听到很多关于这个项目的消息。他们声称，这是6.3倍的速度比翻译上

每当我们谈论像Python这样的动态语言时，速度是首要问题之一。为了解决这个问题，他们说PyPy的速度要快6.3倍

第二个问题是并行性，即臭名昭著的（GIL）。对于这一点，皮皮说了算

---

如果PyPy能够解决这些巨大的挑战，那么它有哪些缺点阻碍了更广泛的采用？也就是说，是什么阻止了像我这样的典型Python开发人员现在切换到PyPy

因为pypy不是100%兼容的，需要8 Gig的ram来编译，是一个移动的目标，而且是高度实验性的，其中cpython是稳定的，20年来模块生成器的默认目标（包括不在pypy上工作的c扩展），并且已经广泛部署

---

Pypy可能永远不会成为参考实现，但它是一个很好的工具。

第二个问题更容易回答：如果所有代码都是纯Python的，基本上可以使用Pypy作为替代品。但是，许多广泛使用的库（包括一些标准库）都是用C编写的，并编译为Python扩展。其中一些可以与PyPy一起使用，一些不能。PyPy提供了与Python相同的“前向”工具——也就是说，它是Python——但其内部是不同的，因此与这些内部接口的工具将无法工作

至于第一个问题，我想这有点像第二十二条军规：PyPy一直在快速发展，以提高速度并增强与其他代码的互操作性。这使得它更具实验性而非官方性

我认为，如果PyPy进入稳定状态，它可能会开始得到更广泛的应用。我还认为，Python脱离其C基础将是一件好事。但这在一段时间内不会发生。PyPy还没有达到临界质量，它本身几乎可以做任何你想做的事情，这将激励人们填补空白

注意：PyPy现在比2013年提出这个问题时更加成熟，也得到了更好的支持。避免从过时的信息中得出结论

---

正如其他人很快提到的，PyPy对C扩展的支持很弱。它有支持，但速度通常比Python慢，充其量也不确定。因此，许多模块只需要CPython。PyPy不支持numpy。有些扩展仍然不受支持（Pandas、SciPy等），请在进行更改之前查看一下请注意，现在支持列表中许多标记为不支持的软件包。

Python3支持目前处于实验阶段刚刚达到稳定状态！截至2014年6月20日

PyPy有时实际上并不比很多人使用Python编写的“脚本”更快。这些是短时间运行的程序，可以做一些简单而小的事情。因为PyPy是一个JIT编译器，所以它的主要优势在于运行时间长和类型简单（如数字）。PyPy的JIT前速度与CPython相比可能很差

惯性。迁移到PyPy通常需要重新工具化，这对于一些人和组织来说简直是太多的工作了

---

我想说，这些是影响我的主要原因。

我在这个主题上做了一个小基准测试。虽然其他许多海报都对兼容性提出了很好的观点，但我的经验是，PyPy仅仅在比特上移动并没有那么快。对于Python的许多用途，它实际上只存在于两个或多个服务之间的位转换。例如，对数据集执行CPU密集型分析的web应用程序并不多。相反，它们从客户端获取一些字节，存储在某种数据库中，然后返回给其他客户端。有时数据的格式会改变

---

BDFL和CPython开发人员是一群非常聪明的人，他们有一个管理团队来帮助CPython在这样的场景中表现出色。这里有一个无耻的博客插件：。我使用的是Stackless，它源于CPython，保留了完整的C模块接口。在这种情况下，我没有发现使用PyPy的任何优势。

该网站确实声称PyPy的速度是CPython的6.3倍。引述：

所有基准的几何平均值比CPython快0.16或6.3倍

这是一个非常不同于你所做的笼统陈述的陈述，当你理解了其中的区别后，你就会明白为什么你不能只说“使用PyPy”。听起来好像我在吹毛求疵，但理解为什么这两种说法完全不同是至关重要的

要分解这一点：

• 他们的声明只适用于他们使用的基准。它完全没有说明你的程序（除非你的程序与他们的基准完全相同）

• 该声明是关于一组基准的平均值。没有人声称运行PyPy会使他们测试的程序的性能提高6.3倍

• 没有人宣称PyPy甚至可以运行CPython运行的所有程序，更不用说更快了

---

CPython有引用计数和垃圾收集，PyPy只有垃圾收集
因此，对象倾向于更早地被删除，并且在CPython中以更可预测的方式调用

\uu del\uu

。一些软件依赖于这种行为，因此它们还没有准备好迁移到PyPy

---

其他一些软件可以同时使用这两种方法，但使用CPython时使用的内存较少，因为未使用的对象会提前释放。（我没有任何度量来表明这有多重要，以及其他哪些实现细节会影响内存使用。）
对于许多项目，都有ac

C:\Users\User>python -m timeit -n10 -s"from sympy import isprime" "isprime(2**521-1);isprime(2**1279-1)"
10 loops, best of 3: 294 msec per loop

C:\Users\User>pypy -m timeit -n10 -s"from sympy import isprime" "isprime(2**521-1);isprime(2**1279-1)"
10 loops, best of 3: 1.33 sec per loop

from sympy import sieve
primes = list(sieve.primerange(1, 10**6))