PyPy 通过采用即时编译技术，能够显著提升 Python 代码的执行效率。

termcolor 是一个第三方库，用于在终端输出彩色文本。colored 函数可以根据指定的颜色来格式化文本。

from termcolor import colored

调用了 time 模块中的 time() 函数，并将返回值（当前时间的时间戳，单位为秒）赋值给变量 start。这里记录下开始计算之前的时间点，以便后续计算总耗时。

start = time.time()

初始化变量 number 为 0。这个变量将用来累加从 0 到 99,999,999 的所有整数。

number = 0
for i in range(100000000):
# 在循环体内，每次循环都将变量 i 的值累加到变量 number 上。这样，在循环结束时，number 将包含从 0 到 99,999,999 所有整数的和。
number += i

print(colored(“FINISHED”, “green”))

再次调用 time.time() 获取当前时间戳，并与之前记录的开始时间戳（存储在变量 start 中）相减，得到执行计算所花费的总时间（单位为秒）。然后，使用 f-string 格式化字符串，将计算出的耗时插入到字符串中并打印出来。这样用户就可以看到程序执行所需的时间。

print(f"Ellapsed time: {time.time() - start} s")

![在这里插入图片描述](https://img-blog.csdnimg.cn/direct/2f92d1f3fd224157b957746375719799.gif#pic_center)


这不是学术评估，但结果令人惊叹。与默认的 Python 解释器（大约需要 10 秒）相比，PyPy 仅用 0.22 秒就完成了执行。更令人惊讶的是，无需任何修改，Python 代码即可直接在 PyPy 上运行。而在同一台计算机上，等效的 C 语言实现需要 0.32 秒。PyPy 甚至超过了最快的 C 语言实现。


**为什么 PyPy 这么快？**


尽管代码看起来完全相同，但其执行方式却大相径庭。PyPy 提升执行速度的关键在于采用 “即时编译”（Just-In-Time Compilation），也就是 **JIT 编译技术**。


C、C++、Swift、Haskell、Rust 等编程语言通常采用**提前编译**（AOT 编译）的方式。这意味着，使用这些语言编写的代码，在程序运行之前，编译器会将其源代码转换为特定计算机架构可执行的机器码。因此，当程序执行时，实际运行的是机器码，而非原始的源代码。


![在这里插入图片描述](https://img-blog.csdnimg.cn/direct/1e8e5a0da4b0496aadc0baaebfef7336.png)


不同于 C 语言等上述语言，Python、JavaScript、PHP 等语言采用的是另一种方法 —— **解释器**。与将源代码转换为机器码不同，解释过程中源代码保持不变。每次运行程序时，解释器都会逐行查看代码并执行。例如，每个 Web 浏览器都内置了 JavaScript 解释器。


![在这里插入图片描述](https://img-blog.csdnimg.cn/direct/945451c03b9c4f36967cc778cdadd7b6.png)


**PyPy 利用即时编译技术来执行 Python 代码**，与传统解释器不同，它不会逐行运行代码，而是在程序执行前先将部分代码编译成机器码。即时编译结合了提前编译和解释的优点。如图所示，PyPy 采用的即时编译融合了这两种方法，**通过提前编译提升性能，同时保持解释型语言的灵活性和跨平台可用性**。


![在这里插入图片描述](https://img-blog.csdnimg.cn/direct/f6cb660b97d6473b92ad72efb898006b.png)


AOT 优点：


1. **在程序运行前进行编译**，可以避免运行时的编译性能消耗和内存消耗。
2. 程序在运行初期即可达到最高性能。
3. 显著加快程序启动速度。


AOT 缺点：


1. 程序运行前的编译增加了程序安装的时间。**无运行时性能加成**，不能根据程序运行情况做进一步的优化。
2. 提前编译的内容保存会占用更多的外部存储空间。


JIT 优点：


1. 在程序运行时，根据算法计算出**热点代码**，然后进行 JIT 实时编译，这种方式吞吐量高，**有运行时性能加成**，可以跑得更快，并可以做到动态生成代码等。
2. 可以根据当前程序的运行情况生成最优的机器指令序列，从而提高程序的执行效率。
3. 当程序需要支持动态链接时，JIT 是一个优先的选择。
4. JIT 可以根据进程中内存的实际情况调整代码，从而更充分地利用内存资源。


JIT 缺点：


1. **编译过程会占用运行时资源，这可能导致进程卡顿，影响用户体验**。
2. 相对启动速度较慢，并需要一定时间和调用频率才能触发 JIT 的分层机制。
3. 编译时间需要占用运行时间，并且某些代码的编译优化可能无法实现，因此我们需要考虑程序流畅性和编译时间的问题。
4. 在编译准备和识别频繁使用的方法时，需要消耗一定的时间，这使得初始编译可能无法达到最高性能。因此，JIT 需要在运行时不断优化代码，以提高程序的执行效率。


PyPy 在我们的程序已经很快或者大部分运行时间都用于调用非 Python 库时，效果较差。然而，如果我们有一个运行缓慢的程序，其中大部分时间都花在执行 Python 代码和密集的计算上，PyPy 可以发挥奇效。


总结：编译型编程语言会将源代码提前转化为机器代码，而解释型编程语言则由解释器逐行运行。即时编译技术结合了提前编译和解释的优点，实现边运行边编译。JIT 与 AOT 的主要区别在于编译时间：JIT 在运行时编译，而 AOT 则在程序运行前进行编译。PyPy 采用即时编译技术，显著提高了 Python 代码的运行速度。即时编译不仅提升了程序执行效率，还保持了解释型语言的灵活性和跨平台可用性。




---


**自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。**

**深知大多数Python工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！**

**因此收集整理了一份《2024年Python开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。**

![img](https://img-blog.csdnimg.cn/img_convert/5f155abe5ff1bf2e58352497ca9cb71a.png)

 

![img](https://img-blog.csdnimg.cn/img_convert/0396ce167fb754312bc8ea83a4cc069a.png)

![img](https://img-blog.csdnimg.cn/img_convert/46506ae54be168b93cf63939786134ca.png)

![img](https://img-blog.csdnimg.cn/img_convert/252731a671c1fb70aad5355a2c5eeff0.png)

![img](https://img-blog.csdnimg.cn/img_convert/6c361282296f86381401c05e862fe4e9.png)

![img](https://img-blog.csdnimg.cn/img_convert/9f49b566129f47b8a67243c1008edf79.png)

 

**既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上前端开发知识点，真正体系化！**

**由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新**

**如果你觉得这些内容对你有帮助，可以扫码获取！！！（备注Python）**


**由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新**

**如果你觉得这些内容对你有帮助，可以扫码获取！！！（备注Python）**

<img src="https://img-community.csdnimg.cn/images/fd6ebf0d450a4dbea7428752dc7ffd34.jpg" alt="img" style="zoom:50%;" />