加速Python运行的工具应用

一总

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