为什么有这么多 Python?

PyPy is Hard to Understand

PyPy具有巨大的潜力，在这一点上，它与CPython高度兼容所以它能运行Flask，Django等等）。

但关于PyPy有许多困惑 (例如，荒谬的建议创造一种PyPyPy…语言). 按我的观点，那主要是因为PyPy实际上

是两种东西：一种用RPython (非Python (我之前撒谎了))编写的Python解释器。 RPython是Python的子

集，具有静态类型。在Python里，最难严格推论类型 (为什么这么困难，考虑下下面的事实:

1. 将是合法的Python代码 (归功于 Ademan). x的类型是什么? 我们怎么推出变量的类型，当类型还没有

   被严格实施?)通过RPython,你牺牲了一些灵活性, 但使得内存管理和优化大大的容易。

2. 一个编译RPython代码为了各种目标和加入及时编译的编译器。 默认平台是C，也就是从RPython到C

   编译器，但你也可以瞄准JVM或者其他。

只为清晰，我将引用这些PyPy（1）和PyPy（2）。

为什么你在同一层面下同时需要这两者？ 你可以这样想一下：PyPy(1)是一个用RPython写的解释器，因此它

能加载用户的Python代码并将它编译成字节码。但是这个用RPython写的解释器本身要能运行，就必须要被另

外一个Python实现去解释，对不？

我们可以直接用CPython去运行这个解释器。但是这个还不够快

取而代之，我们使用了PyPy(2)（参考 RPython的工具链）去编译这个PyPy的解释器，生成其他平台（比如C, 

JVM或CLI）代码在我们的机器上运行，并且还加入了JIT特性。这个很神奇：PyPy动态的将JIT加入一个解释器，

生成它自己编译器！（这就是核心原理：我们在编译一个解释器，并同时加入了另外一个单独的编译器到里面去）。

最终结果就是一个融合了JIT优化特性的单独的可执行文件，用来解释执行我们的Python源代码。这就是我们之前

想要达到的效果。这么讲可能比较拗口，下面这张图可能会解释的比较清楚点：

再次重申下，PyPy真正可贵之处在于我们可以利用RPython实现各种不同的Python解释器，不用去关心JIT

（除了一些小的提示外）。PyPy到时候会利用RPython工具链/PyPy(2)为我们自动实现JIT

事实上，我们还可以更抽象一点，我们理论上可以写一个适用于任何语言的解释器，然后将它扔给PyPy，最后

获得那种语言的JIT。原因是PyPy仅仅关心的是优化解释器，而不会去关心这个解释器到底解释的是什么语言。

理论上你自己可以写一个适用于任何语言的解释器，然后将这个解释器传给PyPy，最后你得到这个语言的一个

JIT。一个简单的题外话，我这里想提一下，JIT本事是相当棒的。它使用了一种叫做跟踪的技术，

按照下面的步骤执行：

1. 执行解释器并解释执行所有代码（还没有加入JIT特性）
2. 对被解释过的代码做一些记录
3. 确认你已经执行过的操作
4. 将确认过的这些代码编译成本地机器码

想获取更多信息，可以参考这篇文章，易于理解，并且非常有趣

最后收尾：我们使用PyPy的RPython-to-C（或者其他目标平台）编译器去编译PyPy的基于RPython实现的解释器。

结尾

为什么它如此的伟大？为什么这个疯狂的想法值得我们去追求？我想Alex Gaynor已经在他的博客上面做了

很好的解释了：“[PyPy就是未来] 因为[它]提供了更快的速度，更大的灵活性，并且对于Python的成长也提

供了一个更好的平台”

总之：

• 它很快，因为它将源代码编译成了本地机器码（使用了JIT）
• 它很灵活，因为除了极少数的额外工作需要做外，它就能将JIT加入你的解释器中
• 它还是很灵活，因为你能使用RPython实现你的解释器，这个比其他的（比如C语言）更易扩展。事实上，它是如
• 此的简单，这里有一篇教程教你如何实现你自己的解释器。

附录: 其他一些你可能已经听过的名字

• Python 3000 (Py3k): Python 3.0的一个别名，2008年释出的一个主要版本，但是它并不向后兼容.。

  Py3k团队预测这个版本被完全采用可能需要5年时间.。现在绝大多数（注意：这个是江湖传闻）Python开

  发者继续在使用2.x版本，不过现在人们越来越多的对Py3k开始关心了。

• Cython: 一个Python的超集，能够调用C语言的函数
  • 目标: 允许你为你的Python代码写C扩展
  • 允许你为你的Python代码加入静态类型，运行编译并达到接近C语言的性能。
  • 这个跟PyPy比较类似，但是不是一样的。使用这个的时候，在提交给编译器之前必须用户代码里面写好
  • 这些特殊代码。如果使用PyPy的话，你写的还是普通形式的Python代码，编译器会帮你处理一切优化的工作。

• Numba: 将JIT加入到被注解的Python代码中，简单来讲就是，你给它一些提示，它就会优化加速你这段代码。

  Numba是Anaconda发行版（一系列数据分析和管理的软件包）的一部分。

• IPython: 跟我们讨论过的其他版本完全不一样。这是一个Python的计算环境。为一些GUI工具集和浏览器体验

  等提供支持。

• Psyco: 一个Python的扩展模块，也是早先的一种Python JIT的成果。 然而，它已经被标注为“停止维
• 护和死亡”了。事实上，Psyco的首席开发者Armin Rigo现在在为PyPy工作。

语言绑定

• RubyPython: Ruby和Python虚拟机的一座桥梁。允许你在你的Ruby代码中嵌入Python代码。你定义

  Python的起始位置，然后RubyPython负责在不同VM直接传递整理数据。

• PyObjc: Python和Objective-C语言直接的桥梁。实际上，这意味着你能在你的Python代码中使用

  Objective-C的库（包括创建一个OS X应用程序所需要的一切），反过来在Objective-C里面也可以使用

  Python的模块。这样的话，CPython用C语言来实现就很方便了，因为C语言是Objective-C的一个子集。

• PyQt: 同PyObjc帮你绑定OS X GUI组件类似，PyQt帮你绑定Qt应用程序框架，让你可以创建丰富的图

  形界面，访问关系数据库等等。另外的一个旨在帮你简化从Python到另外的框架的工具。 

JavaScript 框架

• pyjs (Pyjamas): Python中一个创建web和桌面应用程序的框架。包含一个Python-to-JavaScript的编

  译器和其他一些工具。

• Brython: 一个使用JavaScript语言写的Python虚拟机，可以让Py2k 代码在浏览器中执行。

英文原文：Why Are There So Many Pythons?