cpython效率_PyPy 和 CPython 的性能比较测试
最近我在維基百科上完成了一些數據挖掘方面的任務。它由這些部分組成：
解析enwiki-pages-articles.xml的維基百科轉儲；
把類別和頁存儲到MongoDB里面；
對類別名稱進行重新分門別類。
我對CPython 2.7.3和PyPy 2b的實際任務性能進行了測試。我使用的庫是：
redis 2.7.2
pymongo 2.4.2
此外CPython是由以下庫支持的：
hiredis
pymongo c-extensions
測試主要包含數據庫解析，所以我沒預料到會從PyPy得到多大好處(何況CPython的數據庫驅動是C寫的)。
下面我會描述一些有趣的結果。
抽取維基頁名
我需要在所有維基百科的類別中建立維基頁名到page.id的聯接并存儲重新分配好的它們。最簡單的解決方案應該是導入enwiki-page.sql(定義了一個RDB表)到MySQL里面，然后傳輸數據、進行重分配。但我不想增加MySQL需求(有骨氣！XD)所以我用純Python寫了一個簡單的SQL插入語句解析器，然后直接從enwiki-page.sql導入數據，進行重分配。
這個任務對CPU依賴更大，所以我再次看好PyPy。
/ time
PyPy 169.00s 用戶態 8.52s 系統態 90% CPU
CPython 1287.13s 用戶態 8.10s 系統態 96% CPU
我也給page.id->類別做了類似的聯接(我筆記本的內存太小了，不能保存供我測試的信息了)。
從enwiki.xml中篩選類別
為了方便工作，我需要從enwiki-pages-articles.xml中過濾類別，并將它們存儲相同的XML格式的類別。因此我選用了SAX解析器，在PyPy和CPython中都適用的包裝器解析。對外的原生編譯包(同事在PyPy和CPython 中) 。
代碼非常簡單：1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96class WikiCategoryHandler(handler.ContentHandler):
"""Class which detecs category pages and stores them separately
"""
ignored= set(('contributor','comment','meta'))
def __init__(self, f_out):
handler.ContentHandler.__init__(self)
self.f_out= f_out
self.curr_page= None
self.curr_tag= ''
self.curr_elem= Element('root', {})
self.root= self.curr_elem
self.stack= Stack()
self.stack.push(self.curr_elem)
self.skip= 0
def startElement(self, name, attrs):
if self.skip>0 or namein self.ignored:
self.skip+= 1
return
self.curr_tag= name
elem= Element(name, attrs)
if name== 'page':
elem.ns= -1
self.curr_page= elem
else:# we don't want to keep old pages in memory
self.curr_elem.append(elem)
self.stack.push(elem)
self.curr_elem= elem
def endElement(self, name):
if self.skip>0:
self.skip-= 1
return
if name== 'page':
self.task()
self.curr_page= None
self.stack.pop()
self.curr_elem= self.stack.top()
self.curr_tag= self.curr_elem.tag
def characters(self, content):
if content.isspace():return
if self.skip== 0:
self.curr_elem.append(TextElement(content))
if self.curr_tag== 'ns':
self.curr_page.ns= int(content)
def startDocument(self):
self.f_out.write("\n")
def endDocument(self):
self.f_out.write("\n")
print("FINISH PROCESSING WIKIPEDIA")
def task(self):
if self.curr_page.ns== 14:
self.f_out.write(self.curr_page.render())
class Element(object):
def __init__(self, tag, attrs):
self.tag= tag
self.attrs= attrs
self.childrens= []
self.append= self.childrens.append
def __repr__(self):
return "Element {}".format(self.tag)
def render(self, margin=0):
if not self.childrens:
return u"{0}".format(
" "*margin,
self.tag,
"".join([' {}="{}"'.format(k,v)for k,vin {}.iteritems()]))
if isinstance(self.childrens[0], TextElement)and len(self.childrens)==1:
return u"{0}{3}{1}>".format(
" "*margin,
self.tag,
"".join([u' {}="{}"'.format(k,v)for k,vin {}.iteritems()]),
self.childrens[0].render())
return u"{0}\n{3}\n{0}{1}>".format(
" "*margin,
self.tag,
"".join([u' {}="{}"'.format(k,v)for k,vin {}.iteritems()]),
"\n".join((c.render(margin+2)for cin self.childrens)))
class TextElement(object):
def __init__(self, content):
self.content= content
def __repr__(self):
return "TextElement" def render(self, margin=0):
return self.content
Element和TextElement元素包換tag和body信息，同時提供了一個方法來渲染它。
下面是我想要的PyPy和CPython比較結果。
/ time
PyPy 2169.90s
CPython 4494.69s
我很對PyPy的結果很吃驚。
計算有趣的類別集合
我曾經想要計算一個有趣的類別集合——在我的一個應用背景下，以Computing類別衍生的一些類別為開始進行計算。為此我需要構建一個提供類的類圖——子類關系圖。
結構類——子類關系圖
這個任務使用MongoDB作為數據來源，并對結構進行重新分配。算法是：1
2
3
4
5for each category.id in redis_categories (it holds*category.id -> category title mapping*) do:
title= redis_categories.get(category.id)
parent_categories= mongodb get categoriesfor title
for each parent_catin parent categories do:
redis_tree.sadd(parent_cat, title)# add to parent_cat set title
抱歉寫這樣的偽碼，但我想這樣看起來更加緊湊些。
所以說這個任務僅把數據從一個數據庫拷貝到另一個。這里的結果是MongoDB預熱完畢后得出的(不預熱的話數據會有偏差——這個Python任務只耗費約10%的CPU)。計時如下：
/ time
PyPy 175.11s 用戶態 66.11s 系統態 64% CPU
CPython 457.92s 用戶態 72.86s 系統態 81% CPU
遍歷redis_tree(再分配過的樹)
如果我們有redis_tree數據庫，僅剩的問題就是遍歷Computing類別下所有可實現的結點了。為避免循環遍歷，我們需要記錄已訪問過的結點。自從我想測試Python的數據庫性能，我就用再分配集合列來解決這個問題。
/ time
PyPy 14.79s 用戶態 6.22s 系統態 69% CPU 30.322 總計
CPython 44.20s 用戶態 13.86s 系統態 71% CPU 1:20.91 總計
說實話，這個任務也需要構建一些tabu list(禁止列表)——來避免進入不需要的類別。但那不是本文的重點。
結論
進行的測試僅僅是我最終工作的一個簡介。它需要一個知識體系，一個我從抽取維基百科中適當的內容中得到的知識體系。
PyPy相比CPython，在我這個簡單的數據庫操作中，提高了2-3倍的性能。(我這里沒有算上SQL解析器，大約8倍)
多虧了PyPy，我的工作更加愉悅了——我沒有改寫算法就使Python有了效率，而且PyPy沒有像CPython一樣把我的CPU弄掛了，以至于一段時間內我沒法正常的使用我的筆記本了(看看CPU時間占的百分比吧)。
任務幾乎都是數據庫操作，而CPython有一些加速的亂七八糟的C語言模塊。PyPy不使用這些，但結果卻更快！
我的全部工作需要大量的周期，所以我真高興能用PyPy。
總結
以上是生活随笔為你收集整理的cpython效率_PyPy 和 CPython 的性能比较测试的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： mysql 数据库生命周期_MySQL查
- 下一篇： websocket python爬虫_p