应用-所有的 Python 都很慢，但有些比其他的更快

目录

所有的 Python 都很慢，但有些比其他的更快

Python 并不是最快的编程语言，因此任何性能提升都是有帮助的，尤其是在大规模运行时。事实证明，根据你安装 Python 的来源不同，其性能可能会有很大差异：选择错误的 Python 版本可能会使你的速度降低 10-20%。

让我们来看一些数据。

Python 3.12（2024 年 6 月）

我使用“官方”Python Docker 镜像（python:3.12）和 Ubuntu 22.04（ubuntu:22.04）对 Python 3.12 进行了一个快速实验。

Python 3.12 构建	Pystone（越高越好）
Docker python:3.12	670,000
Ubuntu 24.04	750,000

Ubuntu 24.04 的构建明显更快！

旧版本的测试

在之前的 Python 版本中，结果有所不同。对于 Python 3.9，存在性能差异；而对于 Python 3.10，我没有看到任何差异。

比较 Python 的构建（2021 年 2 月）

我使用 pyperformance 套件 中的三个基准测试，对四种不同的 Python 3.9 构建进行了测试（代码在这里）：

1. python:3.9-buster，官方的 Python Docker 镜像。
2. Ubuntu 20.04，通过 ubuntu:20.04 Docker 镜像。
3. 在 ubuntu:20.04 上的 Anaconda Python。
4. 在 ubuntu:20.04 上的 Conda-Forge。

如果你不熟悉 Conda，它是一个包含几乎所有库和可执行文件（包括 Python）的预编译库的打包系统，除了标准的 C 库。创建 Conda 的公司 Anaconda 提供了一个包通道，还有一个名为 Conda-Forge 的社区项目，提供了 Python 和数千个其他包。

所有基准测试都在 Docker 容器内运行，运行在 Fedora 33 上，使用 Intel Xeon CPU E3-1226 v3 @ 3.30GHz。Docker 在 Fedora 上的性能开销似乎出奇地高，但这应该在同一基准测试的运行中是相同的，而且我在之前使用 Podman的基准测试中得到了类似的结果。

以下是结果，包括平均值和标准差；每个运行进行了 10 次，但我也进行了多次运行，结果相似。越低越好，因为我们测量的是耗时。Conda-Forge 的 Python 最快，其次是 Ubuntu 20.04；官方的 Docker Python 镜像最慢。

Python 构建	2to3	django_template	unpickle_pure_python
Conda-Forge	491ms ± 3ms	78ms ± 0.8ms	514us ± 5us
Ubuntu 20.04	512ms ± 3ms	80ms ± 0.7ms	537us ± 7us
Anaconda	523ms ± 5ms	86ms ± 2.3ms	550us ± 3us
python:3.9-buster	543ms ± 3ms	92ms ± 0.6ms	590us ± 12us

为什么会有这些差异？

事实证明，编译 Python 以获得最大性能实际上非常复杂：它涉及基于实际代码运行的配置文件引导优化（PGO），以及可以调整的各种编译器选项。

其中一个选项是 Python 实现的核心是在共享库中，还是在 python 可执行文件本身中。共享库版本往往较慢。

Python 构建	python 是否链接到 libpython.so？
Conda-Forge	否
Ubuntu 20.04	否
Anaconda	否
python:3.9-buster	是

Fedora 和 RHEL 也使用共享库版本的 Python。然而，它们——以及未来的 Python 3.10 默认情况下——使用 -fno-semantic-interposition 选项来加速。官方的 python Docker 镜像尚未使用此选项。这至少解释了为什么官方的 Docker 镜像如此慢。

然而，这还不足以解释所有这些性能差异，以及其他构建之间的差异。其他可能的原因包括它们是否进行了配置文件引导优化、其他编译器标志、编译器版本、glibc 差异等。

Python 3.10（2022 年 5 月）

Python 3.10 有不同的优化设置，我能够使用更新的 Debian（Bullseye 已取代 Buster）和 Ubuntu（22.04）版本以及更新的编译器进行测试。因此，我决定使用更新的镜像重新运行这些测试。这些结果在绝对意义上可能与 3.9 的数字不可比；更有用的是将它们相互比较。同样，越低越好：

Python 构建	2to3	django_template	unpickle_pure_python
Conda-Forge	479ms ± 35ms	55.6ms ± 1.0ms	367us ± 5us
Ubuntu 22.04	486ms ± 29ms	55.6ms ± 1.4ms	379us ± 5us
python:3.10-bullseye	471ms ± 32ms	55.4ms ± 1.7ms	358us ± 4us

在 Python 3.10 中，我没有看到不同 Python 构建之间有意义的差异。

结论：谨慎选择 Python 版本

我对 Python 3.9 和 3.12 不同构建之间的性能差异感到惊讶。也许这是我的基准测试失败，但它们确实配置不同。而且还有许多其他构建我没有测试，比如为 Ubuntu 提供额外 Python 版本的 deadsnakes PPA，RedHat Enterprise Linux 中的 Python 等等。结果似乎也随时间变化，因为不同的 Linux 发行版和打包者切换了版本、编译器和编译器版本。你最好的选择是：为你自己的应用程序进行基准测试。