Question

我有这个简单的代码帮助我衡量__slots__的课程表现如何（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 - 我会在6秒左右得到一些东西 - 好吧，它比没有插槽时更快（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 - 64位用于Mac OS / X），它开始使用100％CPU和＃34;从不＆＃34;返回（等待几分钟 - 没有结果）。

发生了什么事？我应该在PyPy下使用__slots__吗？

如果我将不同的号码传递给timeit()

，会发生什么

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namedtuple s：

，则会出现相同的行为

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次左右迭代中，每次从头开始重新创建该类。在PyPy中创建类可能不是一个优化良好的操作;更糟糕的是，这样做可能会放弃JIT所学到的关于该类之前版本的所有优化。在JIT预热之前，PyPy往往很慢，因此做一些需要它反复预热的事情会使你的表现无效。

这里的解决方案当然是简单地将类定义移到被基准测试的代码之外。

Answer 2

直接回答标题中的问题：__slots__对于PyPy中的表现毫无意义（但不会造成伤害）。

在PyPy下使用slots

2 个答案:

在PyPy下使用__slots__

2 个答案:

在PyPy下使用slots