如果 PyPy 快 6.3 倍，为什么我不应该使用 PyPy 而不是 CPython？

注意：PyPy 现在比 2013 年被问到这个问题时更成熟，得到更好的支持。避免从过时的信息中得出结论。

PyPy，正如其他人很快提到的那样，对 C 扩展的支持很薄弱。它有支持，但通常速度比 Python 慢，而且充其量也很不稳定。因此，很多模块只需要 CPython。 PyPy 不支持 numpy。仍然不支持某些扩展（Pandas、SciPy 等），请在进行更改之前查看支持的软件包列表。请注意，现在支持列表中标记为不支持的许多软件包。 Python 3 支持目前是实验性的。刚刚达到稳定！截至 2014 年 6 月 20 日，PyPy3 2.3.1 - Fulcrum 已经发布！对于许多人使用 Python 的“脚本”，PyPy 有时实际上并不快。这些是做一些简单而小的事情的短期程序。因为 PyPy 是一个 JIT 编译器，它的主要优势来自于长时间的运行和简单的类型（例如数字）。与 CPython 相比，PyPy 的 pre-JIT 速度可能很差。惯性。迁移到 PyPy 通常需要重新工具，这对于某些人和组织来说简直是太多的工作。

我想说，这些是影响我的主要原因。

---

该网站并未声称 PyPy 比 CPython 快 6.3 倍。去引用：

所有基准的几何平均值比 CPython 快 0.16 或 6.3 倍

这是与您所做的一揽子声明非常不同的声明，当您了解其中的区别时，您将理解至少一组不能只说“使用 PyPy”的原因。听起来我在吹毛求疵，但理解为什么这两个陈述完全不同是至关重要的。

打破它：

他们所做的声明仅适用于他们使用的基准。它完全没有说明您的程序（除非您的程序与他们的基准测试之一完全相同）。

该声明是关于一组基准的平均值。没有人声称运行 PyPy 会带来 6.3 倍的改进，即使对于他们测试过的程序也是如此。

没有人声称 PyPy 甚至可以运行 CPython 运行的所有程序，更不用说更快了。

---

因为 pypy 不是 100% 兼容的，需要 8 gigs 的 ram 编译，是一个移动的目标，并且是高度实验性的，其中 cpython 是稳定的，模块构建器的默认目标 2 十年（包括在 pypy 上不起作用的 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：如果您的所有代码都是纯 Python，您基本上可以使用 PyPy 作为替代品。但是，许多广泛使用的库（包括一些标准库）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，有些则不能。 PyPy 提供与 Python 相同的“前向”工具——也就是说，它是 Python ——但它的内部结构不同，因此与这些内部结构交互的工具将不起作用。

至于第一个问题，我想它有点像第一个问题的 Catch-22：PyPy 一直在迅速发展，以提高速度并增强与其他代码的互操作性。这使得它比官方更具实验性。

我认为如果 PyPy 进入稳定状态，它可能会开始得到更广泛的使用。我也认为 Python 摆脱它的 C 基础会很棒。但暂时不会发生。 PyPy 还没有达到临界质量，它几乎可以自己做任何你想做的事情，这将激励人们填补空白。

---

我在这个主题上做了一个小基准测试。虽然许多其他海报都对兼容性提出了很好的观点，但我的经验是 PyPy 仅仅移动位并没有那么快。对于 Python 的许多用途，它实际上只存在于在两个或多个服务之间转换位。例如，没有多少 Web 应用程序对数据集执行 CPU 密集型分析。相反，它们从客户端获取一些字节，将它们存储在某种数据库中，然后将它们返回给其他客户端。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，他们设法帮助 CPython 在这种情况下表现出色。这是一个无耻的博客插件：http://www.hydrogen18.com/blog/unpickling-buffers.html。我正在使用 Stackless，它源自 CPython，并保留了完整的 C 模块接口。在这种情况下，我没有发现使用 PyPy 的任何优势。

---

问：如果 PyPy 与 CPython 相比能够解决这些巨大的挑战（速度、内存消耗、并行性），那么它的哪些弱点阻碍了更广泛的采用？

A：首先，几乎没有证据表明 PyPy 团队可以总体上解决速度问题。长期证据表明，PyPy 运行某些 Python 代码比 CPython 慢，而这个缺点似乎深深植根于 PyPy。

其次，在相当多的情况下，当前版本的 PyPy 比 CPython 消耗更多的内存。所以 PyPy 还没有解决内存消耗的问题。

PyPy 是否解决了上述巨大挑战，并且总体上是否会比 CPython 更快、更少内存占用以及对并行性更友好，这是一个短期内无法解决的悬而未决的问题。有些人打赌 PyPy 永远无法提供一个通用的解决方案，使其能够在所有情况下主宰 CPython 2.7 和 3.3。

如果 PyPy 总体上比 CPython 更好（这是值得怀疑的），那么影响其更广泛采用的主要弱点将是它与 CPython 的兼容性。还有一些问题，例如 CPython 可以在更广泛的 CPU 和操作系统上运行，但与 PyPy 的性能和 CPython 兼容性目标相比，这些问题的重要性要小得多。

问：为什么我现在不能用 PyPy 替换 CPython？

答：PyPy 不是 100% 与 CPython 兼容，因为它没有在底层模拟 CPython。一些程序可能仍然依赖于 CPython 的独特特性，而 PyPy 中没有这些特性，例如 C 绑定、Python 对象和方法的 C 实现，或者 CPython 垃圾收集器的增量特性。

---

CPython 有引用计数和垃圾收集，PyPy 只有垃圾收集。

因此对象往往会更早地被删除，并且在 CPython 中以更可预测的方式调用 __del__。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者，但使用 CPython 使用的内存更少，因为未使用的对象会更早地被释放。 （我没有任何测量结果来表明这是多么重要，以及哪些其他实现细节会影响内存使用。）

---

对于很多项目来说，不同的 python 在速度方面实际上存在 0% 的差异。那是那些以工程时间为主并且所有 python 都具有相同数量的库支持的地方。

---

为了简单起见：PyPy 提供了 CPython 所缺乏的速度，但牺牲了它的兼容性。然而，大多数人选择 Python 是因为它的灵活性和“包含电池”的特性（高兼容性），而不是它的速度（尽管它仍然是首选）。

---

我找到了一些例子，其中 PyPy 比 Python 慢。但是：仅在 Windows 上。

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

因此，如果您想到 PyPy，请忘记 Windows。在 Linux 上，您可以实现出色的加速。示例（列出 1 到 1,000,000 之间的所有素数）：

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

这在 PyPy 上的运行速度比在 Python 上快 10(!) 倍。但不是在窗户上。在那里，它的速度只有 3 倍。

---

PyPy 支持 Python 3 已经有一段时间了，但是根据这个 HackerNoon post by Anthony Shaw from April 2nd, 2018，PyPy3 仍然比 PyPy（Python 2）慢几倍。

对于许多科学计算，尤其是矩阵计算，numpy 是更好的选择（参见FAQ: Should I install numpy or numpypy?）。

Pypy does not support gmpy2. 您可以改用 gmpy_cffi，尽管我没有测试它的速度，而且该项目在 2014 年发布了一个版本。

对于 Project Euler 问题，我经常使用 PyPy，对于简单的数值计算，通常 from __future__ import division 足以满足我的目的，但截至 2018 年，Python 3 支持仍在进行中，最好的选择是在 64 位 Linux 上.截至 2018 年 12 月的最新版本 Windows PyPy3.5 v6.0 处于测试阶段。

---

支持的 Python 版本

引用 Zen of Python：

可读性很重要。

例如，Python 3.8 引入了 fstring =。

Python 3.8+ 中可能还有其他对您更重要的功能。 PyPy 目前不支持 Python 3.8+。

无耻的自我宣传：Killer Features by Python version - 如果您想通过使用较旧的 Python 版本了解更多您错过的东西

---