为啥不总是将 psyco 用于 Python 代码？

Posted 2023-04-13

【中文标题】为啥不总是将 psyco 用于 Python 代码？

【英文标题】：Why not always use psyco for Python code?为什么不总是将 psyco 用于 Python 代码？

【发布时间】：2009-02-22 18:23:50

【问题描述】：

psyco 似乎对优化 Python 代码很有帮助，而且它以一种非侵入性的方式进行。

因此，人们不得不怀疑。假设您始终使用 x86 架构（这是当今大多数应用程序运行的地方），为什么不总是对所有 Python 代码使用 psyco 呢？它有时会出错并破坏程序的正确性吗？增加一些奇怪情况的运行时间？

你有过负面的经历吗？到目前为止，我最消极的经历是它使我的代码速度仅提高了 15%。通常会更好。

当然，使用 psyco 并不能替代高效的算法和编码。但是，如果您能以两行代码（导入和调用 psyco）的代价提高代码的性能，我认为没有什么不这样做的好理由。

【参考方案1】：

1) 内存开销是主要开销，如其他答案中所述。您还需要支付编译成本，如果您没有选择性，这可能会令人望而却步。来自user reference：

对于中型或大型应用程序而言，编译所有内容通常是多余的。编译过多的缺点在于编译所花费的时间，以及该进程消耗的内存量。这是一个微妙的平衡。

2) Psyco 编译实际上会损害性能。再次来自用户指南（"known bugs" 部分）：

还有性能错误：Psyco 会减慢代码而不是加速代码的情况。很难列出可能的原因的完整列表，但这里有一些常见的原因：

必须避免使用内置的map 和filter 函数并将其替换为列表解析。例如，map(lambda x: x*x, lst) 应替换为更易读但更新的语法[x*x for x in lst]。 正则表达式的编译似乎没有从 Psyco 中受益。 （正则表达式的执行不受影响，因为它是 C 代码。）不要在这个模块上启用 Psyco；如有必要，明确禁用它，例如致电psyco.cannotcompile(re.compile)。

3) 最后，在一些相对模糊的情况下，使用 Psyco 实际上会引入错误。其中一些是listed here。

【参考方案2】：

Psyco 当前使用大量内存。 它仅在与 Intel 386 兼容的系统上运行 处理器（在任何操作系统下）现在。 有一些微妙的语义 与方式的差异（即错误） Python 工作；他们不应该 在大多数程序中都很明显。

另请参阅caveats section。举一个困难的例子，我注意到我的 web 应用程序使用 Cheetah 生成的模板和 DB I/O 并没有获得明显的加速。

【参考方案3】：

在使用 pyglet 时，我发现我无法在整个应用程序上使用 psyco，而不会使我的应用程序无法运行。当然，我可以在一小段数学繁重的代码中使用它，但这不是必需的，所以我没有打扰。

此外，psyco 对我的分析结果做了一些奇怪的事情（例如，完全不改变非 psyco 版本的结果）。我怀疑它不适合分析代码。

除非我真的想要速度，否则我不会真正使用它，这并不常见。我的首要任务是算法优化，这通常会带来更好的加速。

【参考方案4】：

这也取决于你的瓶颈在哪里。我主要在做网络应用程序，瓶颈可能是更多的 IO 和数据库。所以你应该知道在哪里优化。

还要注意，也许您应该首先考虑您的代码，而不是直接将 psyco 扔给它。所以我同意 Devin 的观点，即算法优化应该放在首位，它们产生不良副作用的机会可能更小。

【讨论】：

+1：您需要知道在哪里进行优化。如果您有错误的算法，Psyco 将无济于事。如果您有正确的算法，那么 Psyco 就无关紧要了。

【参考方案5】：

psyco 已死，不再维护。是时候再找一个了

【参考方案6】：

永远不应该依靠一些灵丹妙药来解决您的问题。通常不需要使用 psyco 使慢速程序更快。糟糕的算法可以重写，需要速度的部分可以用另一种语言编写。当然，您的问题是问我们为什么不使用它来提高速度，并且使用 psyco 时会有一些开销。 Psyco 使用内存，当您查看这两行代码时，感觉就像是开销。至于我为什么不使用 psyco 的个人原因，那是因为它不支持 x86_64，我认为这是新的新兴架构（尤其是 2038 迟早会到来）。我的替代方案是 pypy，但我也不完全喜欢它。

【参考方案7】：

其他几件事：

它似乎没有得到非常积极的维护。 它可能会占用内存。

【参考方案8】：

很简单：“因为代码已经足够快了”。