python函数能否提高代码执行速度_性能 - 为什么Python代码在函数中运行得更快？...

除了本地/全局变量存储时间，操作码预测使功能更快。

正如其他答案所解释的那样，该函数在循环中使用了PREDICT操作码。 这是函数循环的字节码：

>> 13 FOR_ITER 6 (to 22) # get next value from iterator

16 STORE_FAST 0 (x) # set local variable

19 JUMP_ABSOLUTE 13 # back to FOR_ITER

通常，当程序运行时，Python会一个接一个地执行每个操作码，跟踪堆栈并在执行每个操作码后对堆栈帧执行其他检查。 操作码预测意味着在某些情况下Python能够直接跳转到下一个操作码，从而避免了一些开销。

在这种情况下，每当Python看到PREDICT(循环的顶部)时，它将“预测”if (*next_instr == op) goto PRED_##op是它必须执行的下一个操作码。 Python然后查看下一个操作码，如果预测正确，它会直接跳到UNPACK_SEQUENCE.这会将两个操作码压缩成一个操作码。

另一方面，PREDICT操作码用于全局级别的循环中。 当它看到这个操作码时，Python不*做出类似的预测。 相反，它必须回到评估循环的顶部，这对循环执行的速度有明显的影响。

要提供有关此优化的更多技术细节，请参阅PREDICT文件(Python虚拟机的“引擎”)：

一些操作码倾向于成对出现，因此可以实现    在第一个代码运行时预测第二个代码。 例如，    PREDICT之后是if (*next_instr == op) goto PRED_##op.这个数字通常是PREDICT。    其次是if (*next_instr == op) goto PRED_##op或UNPACK_SEQUENCE。

验证预测需要对寄存器进行单次高速测试       变量对应常数。 如果配对很好，那么       处理器自己的内部分支预测具有很高的可能性       成功，导致几乎零开销过渡到       下一个操作码。 成功的预测可以通过eval-loop节省行程       包括其两个不可预测的分支，PREDICT测试和      切换情况。 结合处理器的内部分支预测，       成功的if (*next_instr == op) goto PRED_##op具有使两个操作码运行的效果       它们是一个新的操作码，其中的主体组合在一起。

我们可以在PREDICT操作码的源代码中看到PREDICT的预测：

case FOR_ITER: // the FOR_ITER opcode case

v = TOP();

x = (*v->ob_type->tp_iternext)(v); // x is the next value from iterator

if (x != NULL) {

PUSH(x); // put x on top of the stack

PREDICT(STORE_FAST); // predict STORE_FAST will follow - success!

PREDICT(UNPACK_SEQUENCE); // this and everything below is skipped

continue;

}

// error-checking and more code for when the iterator ends normally

PREDICT函数扩展为if (*next_instr == op) goto PRED_##op，即我们只是跳转到预测操作码的开头。 在这种情况下，我们跳到这里：

PREDICTED_WITH_ARG(STORE_FAST);

case STORE_FAST:

v = POP(); // pop x back off the stack

SETLOCAL(oparg, v); // set it as the new local variable

goto fast_next_opcode;

现在设置了局部变量，并且下一个操作码已启动执行。 Python继续贯穿迭代，直到它到达终点，每次都成功进行预测。

Python维基页面提供了有关CPython虚拟机如何工作的更多信息。