python - 将 Psyco 混合到我的项目中有什么风险(如果有的话)？

Question

我在一个大型金融定价应用程序上工作，其中有一些长时间运行的计算。我们已经确定了一些可以通过有选择地应用 psyco 来加速的功能。我的管理层已要求评估将 psyco 添加到我们的堆栈中的成本和 yield 。

鉴于我的项目的关键性质，如果“性能增强”可能会降低可靠性，这是 Not Acceptable 。我读过使用 psyco 以使用更多内存为代价获得额外的性能。我担心这可能是个问题。

我是这样做的:

@psyco.proxy
def my_slow_function(xxx):

总而言之，我们希望将 psyco 应用于不超过 15 个函数——这些函数的使用非常频繁。这个库中有数千个函数，所以这只会影响我们代码的一小部分。所有的函数都是小的、数学的和无状态的。

• 是否可能存在使用更多内存的风险
• 将此组件添加到我们长期建立的库时，我们是否可能遇到任何其他问题？

仅供引用，平台是 Windows 32 位 XP 上的 Python 2.4.4

更新:似乎主要的潜在风险是由于程序需要比添加 psyco 之前更多的内存才能运行，所以理想情况下我想找到一种方法来查看添加 psyco 是否会显着改变系统。

Answer 1

为什么不尝试分析它呢？ Psyco 有一个非常详细的 logging设施:

memory usage: x+ kb

Psyco's current notion of how much memory is consumes for the emitted machine code and supporting data structures. This is a rouch estimation of the memory overhead (the + sign is supposed to remind you that this figure is highly underestimated). Use this info to tune the memory limits (section 3.2.2).

另请注意 memory usage is configurable :

memorymax

Stop when the memory consumed by Psyco reached the limit (in kilobytes). This limit includes the memory consumed before this profiler started.