Python性能提升系列之JIT编译器【Pypy】安装【CentorOS】

一直以来，都说Python性能很不好，那怎么解决这个问题呢？今天忽然看到Python有个JIT编译器，赶紧撸一把试试

pypy安装

因系统是CentorOS，故而安装也就是一行命令的事情：

rpm -ivh http://dl.fedoraproject.org/pub/epel/7/x86_64/Packages/e/epel-release-7-11.noarch.rpm

pypy的pip安装

因为pypy的pip与Anaconda的pip不能复用，故而必须要重新安装，
先拿到get-pip.py文件，一行命令解决：

wget https://raw.github.com/pypa/pip/master/contrib/get-pip.py

然后安装get-pip.py，

pypy get-pip.py  --user

--user是为了加上安装权限，否则有时候work权限或者非管理员用户无法安装。

安装完成后会有一个安装位置提示，

WARNING: The script wheel is installed in '/**/bin' which is not on PATH.
Consider adding this directory to PATH or, if you prefer to suppress this warning, use --no-warn-script-location.

此时进入'/**/bin'会有pip安装选项。

验证pypy安装

直接在命令行里输入pypy，如果进入了Python界面且有类似

[PyPy <你的pypy版本号> with GCC <你的GCC版本号>] on <你的操作系统类型>

这种提示信息，表示安装完成。

PyPy和Python的性能对比

假设循环**次，每一次循环都取一个随机数。
将下列代码命名为test_get_random.py并保存：

import time
import random
start_time = time.time()
cycle_number = 10000000
def test_get_random(cycle_number):
    for i in range(0, cycle_number):
        random.random()
test_get_random(cycle_number)
end_time = time.time()
print ("run time is {}".format( end_time - start_time))

其中，cycle_number可变。分别测试pypy test_get_random.py和Python test_get_random.py的性能。测试结果如下：

cycle_number	pypy_run_time	python_run_time
1000	0.000450134277344	0.000210046768188
10000000	0.164098978043	0.892430067062

当cycle_number比较小时，Python执行占优势。一旦复杂，cycle_number比较大时，pypy占优势。一般系统都会要比这复杂，因此，pypy执行Python代码有很大优势。

安装包

pypy和pypy-pip安装好之后，怎么样安装我们要用的package呢？
其实进入安装get-pip.py的安装目录后，直接使用pip install package就好了。