加速Python运行的工具应用
如果你需要让你的Python程序加速运行，在不同的层次有一些不同的解决方案：[*]重写 你的 Python 代码， 通过 并行化parallelizing 和 优化optimizing/替代replacing/调试tuning 运算方法,比如使用:
[*]Hadoop 或者 Disco
[*]MapReduce 的开源实现工具
[*]Parallel Python Python 并行运算
[*]Message Passing Interface (MPI)
[*]经常用于大量数学运算
[*]Bulk Synchronous Parallel (BSP)
[*]RPyC
[*]针对分布式/并行程序的RPC
[*]Twisted
[*]用于分布式/并行程序的网络库
[*]Profiling Tools
[*]线程 thread或者 Microthreads (Stackless)
[*]使用工具加速你的代码而不需要大量修改
[*]Psyco
[*]Just in time JIT 编译器，注意这是最容易使用的实现方式。
[*]Pyrex
[*]写和编译Python，通过近似 C 风格的数据结构
[*]Cython
[*]PyJs
[*]编译 (大子集) Python 为 Javascript, 注意：这更适合于客户端编程比如ajax，而非服务器端。
[*]Rpython
[*]编译 (大子集) Python 为本地代码，注意：这是 PyPy 项目的一部分。
[*]Shedskin
[*]编译 (大子集) Python 为 C++,这是一些测试结果： some benchmarks
[*]替换 (一部分) 你的 Python 代码 为其他语言
[*]Simplified Wrapper and Interface Generator (SWIG)
[*]Use C/C++ from Python
[*]Fortran to Python Interface Generator (F2PY)
[*]Use Fortran from Python
[*]llvm-py
[*]编写代码和编译为汇编语言，用于运行在底层虚拟机上。
[*]CorePy
[*]在Python中写汇编代码
[*]Weave
[*]PyInline
[*]Boost.Python
[*]Cinpy
[*]cinpy模块利用tcc混合C代码和Python(使用ctypes)在运行时刻编译成为可执行代码
页:
[1]