python性能优化与Cython

【岔开话题一会】先来简单说说python解释器的工作原理。有人一直在争论python到底是什么语言，有人说就是编译型，有人是解释型。我更偏向解释器这个说法，首先是因为如果大家看过编译原理的话，python对源码的处理肯定不是一个基于这个理论上的compiler。那python的解释器是cpython吗？很 遗憾！也不是。cpython更像一个虚机，类似JVM那样的东西。基本上我理解cpython有两个基本步骤：

1. 源码 --> Code object的过程。一个python的源码首先会被进行初始化的处理，interpreter也会被初始化。然后Concrete Syntax Tree(CST)会被构建，并随后被转换成Abstract Syntax Tree(AST)，并最终被转换成code object。我在这里使用的是转换而非编译，是因为传统的编译是将源码编译成机器码的过程，而这个过程中，python只是把源码转换成可供python VM解释的代码。
2. Code object 被解释，执行。Frame object随后从Code object中被提取(PyEval_EvalCode)。这个frame object随后被插入到python 虚拟机的thread state stack。他包含了一些列操作码（比如0 LOAD_NAME，7 STORE_NAME, 13 RETURN_VALUE)，每个操作都对应的是C的一段执行代码。当所有操作码都被执行后，程序执行就结束了。

Python的设计其实某种程度上是面向对象式的。但这样的设计也会产生一些性能问题，比如python把变量都封装成PyObject，解释器在执行一段程序时是不知道一个变量的类型的（这显然给了我们一个很棒的编程灵活性，这就是他为什么被称之一dynamic programming的原