为什么不总是对Python代码使用呢？

Question

psyco似乎对优化Python代码很有帮助，而且它是以一种非常非侵入性的方式完成的。

因此，人们不得不怀疑。假设您一直使用x86架构(这是目前大多数应用程序运行的架构)，为什么不对所有Python代码都使用psyco呢？它有时会出错并破坏程序的正确性吗？增加了一些奇怪情况的运行时间？

你对它有什么负面的经验吗？到目前为止，我最负面的经验是它只让我的代码快了15%。通常这样会更好。

当然，使用coding并不能替代高效的算法和编码。但是，如果您可以用两行代码(导入和调用psyco)来提高代码的性能，我看不出有什么好的理由不这样做。

Answer 1

1)内存开销是主要原因，如其他答案所述。您还需要支付编译成本，如果您没有选择性，这可能是令人望而却步的。从user reference

对于中型或大型应用程序来说，

编译所有内容通常是大材小用。编译过多的缺点在于编译所花费的时间，以及这个过程消耗的内存量。这是一个需要保持的微妙平衡。

2)性能实际上可能会受到actually编译的影响。同样来自用户指南("known bugs"部分)：

也有性能错误:在这种情况下，instead会放慢代码的速度，而不是加速代码。很难完整列出可能的原因，但这里有几个常见的原因：

• 必须避免使用内置的map和filter函数，并将其替换为列表理解。例如，map(lambda x: x*x, lst)应该被更具可读性但更新的语法所取代。[x*x for x in lst].
• The编译正则表达式似乎并没有从map(lambda x: x*x, lst)中受益。(正则表达式的执行不受影响，因为它是C代码。)不要在此模块上启用Psyco；如果需要，请显式禁用它，例如，通过调用psyco.cannotcompile(re.compile).

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

Answer 2

目前使用了大量的内存。它现在只能在Intel 386兼容的处理器上运行(在任何操作系统下)。Python的工作方式有一些细微的语义差异(即错误)；它们在大多数程序中不应该很明显。

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

Answer 3

在使用pyglet时，我发现如果不让我的应用程序不起作用，我就无法在整个应用程序上使用entire。当然，我可以在数学繁重的小段代码中使用它，但这不是必需的，所以我没有麻烦。

此外，my对我的分析结果做了一些奇怪的事情(例如，好吧，根本不会改变它们，而不是使用非my版本)。我怀疑它不能很好地处理分析代码。

我只是不会真的使用它，除非我真的想要速度，这并不是所有的经常。我的首要任务是算法优化，这通常会带来更好的加速效果。