python - Python 如何以及何时确定变量的数据类型？

Question

我试图弄清楚 Python 3(使用 CPython 作为解释器)是如何执行它的程序的。我发现步骤是:

1. CPython 编译器将 Python 源代码(.py 文件)编译为 Python 字节码(.pyc)文件。在导入任何模块的情况下，.pyc 文件会被保存，在一个 main.py Python 脚本运行的情况下，它们不会被保存。

2. Python 虚拟机将字节码解释为硬件特定的机器码。

在这里找到了一个很好的答案 https://stackoverflow.com/a/1732383/8640077说 Python 虚拟机与 JVM 相比需要更长的时间来运行其字节码，因为 java 字节码包含有关数据类型的信息，而 Python 虚拟机逐行解释并必须确定数据类型。

我的问题是 Python 虚拟机如何确定数据类型，它是在解释机器代码期间还是在单独的进程(例如，会产生另一个中间代码)期间发生？

Answer 1

CPython 的动态运行时分派(dispatch)(与 Java 的静态编译时分派(dispatch)相比)只是 Java 比纯 CPython 更快的原因之一:Java 中有 jit-compilation，不同的垃圾回收策略、原生类型(如 int、double 与 CPython 中的不可变数据结构等)的存在。

我之前的superficial experiments已经表明，动态调度只负责大约 30% 的运行 - 你无法用它来解释某些数量级的速度差异。

为了让这个答案不那么抽象，让我们看一个例子:

def add(x,y):
   return x+y

查看字节码:

import dis
dis.dis(add)

给出:

2         0 LOAD_FAST                0 (x)
          2 LOAD_FAST                1 (y)
          4 BINARY_ADD
          6 RETURN_VALUE

我们可以看到在字节码级别上，x 和 y 是整数、 float 还是其他东西没有区别——解释器不关心。

在 Java 中情况完全不同:

int add(int x, int y) {return x+y;}

和

float add(float x, float y) {return x+y;}

会导致完全不同的操作码，调用调度会在编译时发生——根据编译时已知的静态类型选择正确的版本。

CPython 解释器通常不需要知道参数的确切类型:在内部有一个基本的“类/接口(interface)”(显然 C 中没有类，所以它被称为“协议(protocol)”，但对于某些人来说谁知道 C++/Java“接口(interface)”可能是正确的心智模型)，所有其他“类”都是从中派生的。这个基“类”称为 PyObject 和 here is the description of its protocol. .因此，只要该函数是此协议(protocol)/接口(interface)的一部分，CPython 解释器就可以调用它，而无需知道确切的类型，并且调用将被分派(dispatch)到正确的实现(很像 C++ 中的“虚拟”函数)。

在纯 Python 方面，变量似乎没有类型:

a=1
a="1"

然而，在内部 a 有一个类型 - 它是 PyObject* 并且这个引用可以绑定(bind)到一个整数 (1) 并且一个 unicode 字符串 ("1") - 因为它们都从 PyObject“继承”。

CPython 解释器有时会尝试找出引用的正确类型，对于上面的示例也是如此 - 当它看到 BINARY_ADD-opcode 时，following C-code被执行:

    case TARGET(BINARY_ADD): {
        PyObject *right = POP();
        PyObject *left = TOP();
        PyObject *sum;
        ...
        if (PyUnicode_CheckExact(left) &&
                 PyUnicode_CheckExact(right)) {
            sum = unicode_concatenate(left, right, f, next_instr);
            /* unicode_concatenate consumed the ref to left */
        }
        else {
            sum = PyNumber_Add(left, right);
            Py_DECREF(left);
        }
        Py_DECREF(right);
        SET_TOP(sum);
        if (sum == NULL)
            goto error;
        DISPATCH();
    }

此处解释器查询，两个对象是否都是 unicode 字符串，如果是这种情况，则使用一种特殊方法(可能更有效，事实上它会尝试就地更改不可变的 unicode 对象，请参阅 SO-answer ) 被使用，否则工作被分派(dispatch)到 PyNumber-protocol。

显然，解释器还必须知道创建对象时的确切类型，例如 a="1" 或 a=1 不同的“类”被使用 - 但正如我们所见，它不是唯一的一个地方。

因此解释器会在运行时干预类型，但大多数时候它不必这样做 - 可以通过动态调度达到目标。