知识卡片
解释器加速要看真实负载
PyPy的JIT可在适合的长期运行负载中减少执行开销,但基准上的倍数不保证启动、小任务、内存占用或C扩展密集应用同样受益。兼容层与扩展依赖也影响迁移可行性。CPython的引用计数本身是一种内存管理机制,且还有循环GC,不能照原书把“垃圾回收”与引用计数简单对立。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 第1章 Python现状 1.6.5 PyPy · 查看原书依据
启用JIT的PyPy至少比CPython要快好几倍
参考来源
- 位置:《Python编程精进(第1辑)(套装共3册)(异步图书)》Python高级编程(第2版) · 第1章 Python现状,spine010单元015;来源项目book-sources,extracted/Python编程精进(第1辑)(套装共3册)(异步图书)/_epub-src/OEBPS/text00009.html。
- 结论依据:原文用JIT基准倍数宣传速度,本卡限制为相应负载,并将扩展兼容和回收方式分开,未把原书倍数当全部应用的保证。补充核验入口:https://doc.pypy.org/architecture.html。未在本机运行示例或改变环境。
- 原始内容:.pypy.org/)。网站清晰地显示,启用JIT的PyPy至少比CPython要快好几倍。由于PyPy的这一特性以及其他特性,使得越来越多的开发人员决定在生产环境中切换到PyPy。 PyPy与CPython实现的主要区别在于以下几个方面。 使用垃圾回收,而不