55、Python 程序优化与性能调优指南

Python 程序优化与性能调优指南

1. 优化概述

在开发 Python 程序时，调试往往能显著提升应用程序的运行速度，Python 是进行此类实验的优秀工具。若程序运行仍然缓慢，可以对其进行性能分析，找出时间主要消耗的地方。应用程序通常存在计算瓶颈，即占源代码 10% - 20% 的小部分代码，却占据了 80% 以上的运行时间。找出这些瓶颈后，可运用后续介绍的技术进行优化。

若常规的 Python 级优化仍存在突出的计算瓶颈，可以将这些瓶颈部分重写为 Python 扩展模块。最终，应用程序的运行速度大致与用 C、C++ 或 Fortran 编写的程序相当；若通过大规模实验找到了更好的架构，运行速度甚至会更快。采用这种方式，整体编程效率不会比完全用 Python 编码低太多，而且后续的更改和维护也较为容易，因为可以用 Python 表达程序的整体结构，仅在少数特定的计算瓶颈处使用更底层、难维护的语言。

在按照此过程开发特定领域的应用程序时，会积累可复用的 Python 扩展模块库，从而在开发同一领域的其他快速运行的 Python 应用程序时更加高效。即便最终因外部限制需要用更底层的语言重写整个应用程序，从 Python 开始开发仍然是有益的。快速原型开发一直被认为是确定软件架构的最佳方式，一个可用的原型能帮助检查是否找准了问题，并采取了正确的解决路径。原型还能进行大规模的架构实验，对性能产生显著影响。从 Python 开始开发原型，可通过扩展模块逐步迁移到其他语言，且应用程序在每个阶段都能保持完整的功能和可测试性，避免在编码阶段破坏设计的架构完整性。最终得到的软件比从一开始就使用底层语言编码的软件更快、更健壮，编程效率虽不如纯 Python 应用程序，但仍优于全程使用底层语言编