为什么PyPy的速度提高了6.3倍，我不应该在Python上使用Pyython呢？
我已经听说了许多关于PyPy项目。 他们声称它比他们网站上的CPython解释器快6.3倍。
每当我们谈论像Python这样的dynamic语言时，速度就是最重要的问题之一。 为了解决这个问题，他们说PyPy比以前快了6.3倍。
第二个问题是并行，臭名昭着的全球口译员锁 （GIL）。 为此，PyPy说它可以给GIL更less的Python 。
如果PyPy能够解决这些巨大的挑战，那么它的弱点是什么阻止了更广泛的采用？ 也就是说，什么阻止像我这样的典型的Python开发人员现在切换到PyPy？
- 正如其他人所说的，PyPy 对C扩展的支持很less 。 它有支持，但通常速度比Python慢，而且最好也是如此。 因此很多模块只需要 CPython。 Cython和Numpy对于数字来说非常棒 ，而且大多数真正需要Python速度的人都会大量使用那些（+ Pandas，SciPy等）。 由于它们要么是不存在的，要么是得到很less的支持，并且需要快速Python的人速度更慢，而且使用CPython的速度和易用性往往更好 。
- 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 – 支点出局 ！ - PyPy有时对于“脚本”来说实际上并不快，很多人使用Python。 这些是短小的程序，可以做一些简单而小巧的事情。 由于PyPy是一个JIT编译器，它的主要优点来自长时间运行和简单的types（如数字）。 坦率地说，与CPython相比， PyPy的pre-JIT速度相当糟糕 。
- 惯性 。 转移到PyPy通常需要重新安装，对于某些人员和组织来说，这只是太多的工作。
这是影响我的主要原因，我会说。
注意：这个问题是古老的！ 避免从过时的信息中得出结论。
该网站并没有声称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
这与你所做的全面陈述是完全不同的陈述，当你明白其中的差别时，你至less会理解一个为什么你不能说“使用PyPy”的原因。 这可能听起来像我挑选，但理解为什么这两个声明是完全不同的是至关重要的。
打破这一点：
-
他们所作的陈述仅适用于他们使用的基准。 它说你的程序绝对没有（除非你的程序和他们的基准程序完全一样）。
-
该声明是关于一组基准的平均值 。 没有人声称运行PyPy将会使他们testing的程序提高6.3倍。
-
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个ram来编译，是一个移动的目标，而且是高度实验性的，cpython是稳定的，二十年来模块构build者的默认目标（包括不能在pypy上运行的c扩展），并已被广泛部署。
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：如果所有的代码都是纯Python，那么基本上可以使用PyPy作为插件replace。 但是，许多广泛使用的库（包括一些标准库）都是用C语言编写的，并且被编译为Python扩展。 其中一些可以与PyPy一起工作，有些则不行。 PyPy提供了与Python相同的“前向”工具 – 也就是Python–但是它的内部结构是不同的，所以与这些内部接口的工具将不起作用。
至于第一个问题，我想这是第一个Catch-22：PyPy已经在快速发展，以提高速度并增强与其他代码的互操作性。 这使得它比官方更具实验性。
我认为如果PyPy进入稳定状态，可能会开始得到更广泛的应用。 我也认为，对于Python来说，摆脱C的基础是件好事。 但这一段时间不会发生。 PyPy还没有达到临界点，它几乎可以自己做所有你想做的事情，这将激励人们填补空白。
我在这个话题上做了一个小基准。 虽然许多其他的海报已经提出了兼容性的好点，但我的经验是，PyPy没有那么快的移动位。 对于Python的许多用途，实际上只是在两个或多个服务之间转换位。 例如，没有太多的Web应用程序正在对数据集进行CPU密集型分析。 相反，他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，并设法帮助CPython在这种情况下performance出色。 这是一个无耻的博客插件： http ： //www.hydrogen18.com/blog/unpickling-buffers.html 。 我使用从CPython派生的Stackless，并保留完整的C模块接口。 在这种情况下，我没有发现使用PyPy的好处。
问：如果PyPy能够解决这些与CPython相比的巨大挑战（速度，内存消耗，并行性），那么它有哪些弱点阻止了更广泛的采用？
答：首先，几乎没有证据表明PyPy团队可以解决一般的速度问题。 长期的证据表明，PyPy比CPython运行某些Python代码慢，这个缺点似乎深深植根于PyPy。
其次，在相当大的一组情况下，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问题。
无论PyPy如何解决上述巨大的挑战， 总体而言 ，CPython是一个开放性的问题，在短期内无法解决， 总体而言，速度更快，内存更less，并行性更友好。 有些人认为PyPy将永远无法提供一个通用的解决scheme，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，影响其广泛采用的主要弱点将是它与CPython的兼容性。 还存在一些问题，例如CPython运行在更广泛的CPU和操作系统上，但与PyPy的性能和CPython兼容性目标相比，这些问题重要得多。
问：为什么现在不能用PyPy替代CPython呢？
答：PyPy与CPython不是100％兼容，因为它不是模拟引擎盖下的CPython。 某些程序可能仍然依赖于CPython在PyPy中不存在的独特function，如C绑定，Python对象和方法的C实现，或者CPython的垃圾收集器的增量性质。
CPython有引用计数和垃圾收集，PyPy只有垃圾收集。
所以对象往往会被删除，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，因此他们没有准备好迁移到PyPy。
其他一些软件可以与这两种软件一起工作，但是在CPython中使用更less的内存，因为先前释放了未使用的对象。 （我没有任何测量来表明这是多么重要，以及其他实现细节如何影响内存使用。）
对于很多项目来说，不同的python在速度上实际上有0％的差距。 那些工程时间占主导地位，所有的python都有相同数量的图书馆支持。
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selectPython的灵活性和“电池供电”function（高兼容性），而不是它的速度（尽pipe如此，仍然是首选）。
我find了PyPy比Python慢的例子。 但是：只在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
所以，如果你想到PyPy，忘记Windows。 在Linux上，您可以实现超棒的加速。 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))
这比PyPy运行速度快10倍（！）。 但不是在窗户上。 在那里只有3倍的速度。
