python - 在 PyPy 下使用 __slots__

Question

我有这个简单的代码可以帮助我测量带有 __slots__ 的类的执行情况(取自 here ):

import timeit

def test_slots():
    class Obj(object):
        __slots__ = ('i', 'l')

        def __init__(self, i):
            self.i = i
            self.l = []

    for i in xrange(1000):
        Obj(i)

print timeit.Timer('test_slots()', 'from __main__ import test_slots').timeit(10000)

如果我通过 python2.7 运行它 - 我会得到大约 6 秒的结果 - 好的，它确实比没有插槽更快(并且内存效率更高)。

但是，如果我在 PyPy 下运行代码(使用 2.2.1 - Mac OS/X 的 64 位)，它开始使用 100% CPU 并且“从不”返回(等待几分钟 - 没有结果)。

这是怎么回事？我应该在 PyPy 下使用 __slots__ 吗？

如果我将不同的数字传递给 timeit() 会发生以下情况:

timeit(10) - 0.067s
timeit(100) - 0.5s
timeit(1000) - 19.5s
timeit(10000) - ? (probably more than a Game of Thrones episode)

提前致谢。

---

请注意，如果我使用 namedtuples，会观察到相同的行为:

import collections
import timeit

def test_namedtuples():
    Obj = collections.namedtuple('Obj', 'i l')

    for i in xrange(1000):
      Obj(i, [])

print timeit.Timer('test_namedtuples()', 'from __main__ import test_namedtuples').timeit(10000)

Answer 1

在 timeit 代码的 10,000 次左右的每次迭代中，类都是从头开始重新创建的。在 PyPy 中创建类可能不是一个优化好的操作；更糟糕的是，这样做可能会丢弃 JIT 了解的有关该类先前化身的所有优化。在 JIT 预热之前，PyPy 往往很慢，所以做一些需要它反复预热的事情会降低你的性能。

当然，这里的解决方案是将类定义简单地移到要进行基准测试的代码之外。