本文转载自公众号“读芯术”(ID：AI_Discovery)
先看两个超级简单的代码。
- for i inrange(10**7):
- x = i %5
代码1：简单代码
- defmain():
- for i inrange(10**7):
- x = i %5
- main()
代码2：定义了一个主函数来运行相同的简单代码。
两个代码都执行一个虚拟任务。取0到1000万之间的数字(通过for循环)，并计算其模(余数)为5，到目前为止操作非常简单。那么，测量代码的运行时间是多少呢?
- import time
- start_time = time.time()
- for i inrange(10**7):
- x = i %5
- finish_time = time.time()
- print("Duration:{} msec".format((finish_time-start_time)*1000))
在代码1中添加一个简单的计时器
- import time
- defmain():
- for i inrange(10**7):
- x = i %5
- start_time = time.time()
- main()
- finish_time = time.time()
- print("Duration:{} msec".format((finish_time-start_time)*1000))
在代码2中添加一个简单的计时器
在两个代码中添加一个简单的计时器来测量各自的运行时间。由于两个代码执行相同的简单任务，预计运行时间也相同。当然，如果运行时间真的相同，本文就没有存在的必要了。事实上，代码1和代码2的运行时间分别为739毫秒和434毫秒，惊讶吧!
很多Python程序员并不知道这个难题，因为这需要深入理解Python的运行原理。本文就将解答“运行python代码时会发生什么?”，重点介绍很流行的Python工具CPython。如果你不知道正在使用何种Python工具，那么你90%使用的是CPython。
以下是运行源代码时的情况：
首先，源代码通过“词法分析”程序被分解成标记，例如， x=1将被分解成x, =,和1。然后，通过“句法分析”的过程，这些标记被组织成抽象语法树(AST)，之后“编译器”将所有内容转换成为一个叫做“字节码”的抽象代码。
在Python中，不像C、C++、Java等语言,编译器不会获取“源代码”并将其转换为“机器代码”，理解这一点很重要。与之相反，编译器可接受“源代码”并且将其转换为“字节码”。解释器的任务是获取字节码并以机器能够理解的方式运行。
在Python运行代码的四个步骤中，解释器负责最繁重的工作。而其他三个步骤不会处理太多的任务。因此，任何时候想要研究Python程序的性能时，应该查看解释步骤并寻找一些线索。
解释器读取字节码并运行其指令。如果字节码类似于菜谱，那么指令便是菜谱中的不同步骤。如果字节码可读取，就可能找到关于上述谜题的一些线索。使用 dis包来查看字节码指令。dis是一个Python包，用于分析和解码字节码，并以人们可以理解的方式显示出来。dis.dis() 的输出结构如下：
本文不详细介绍dis包的细节，只关注Operation Named的一列。Operation name指示Python解释器的行为。如果你非常好奇，那么名为ceval.c的文件可以回答。以上两个代码都运行了dis.dis()，为了简化操作，本文突出显示重要部分，即循环部分。下图显示了这两个代码的字节码：
如图所示，两个代码在给定的指令方面非常相似。但是，仔细观察，会发现字节码中有一些细微的(但是很重要的)差异。在代码1中，可以看到STORE_NAME和LOAD_NAME，但是在代码2中，可以看到STORE_FAST和LOAD_FAST。运行时间的差异似乎是由于这两种指令类型的不同造成的。可以查看ceval.c文件来了解其中的差异。
简而言之，在代码1中，解释器处理变量i和x的方式与代码2不同(注意_NAME和_FAST后缀)。代码1中，i和x都是全局变量，而CPython将这些变量存储在字典数据结构中，这使得加载过程比存储在固定大小数组中的局部变量耗时更久。与字典相比，从固定大小的数组中检索变量要快得多。
为什么Python这么做?很简单，因为在主代码中，不知道有多少变量会出现，但是在一个函数中变量的数量是固定的。
如果这是原因所在，来做个测试：把解释器打乱，在代码2(快速代码)中将x和i变量定义为全局变量，并再次测量运行时间。这是改变后的代码2：
- defmain():
- global i, x
- for i inrange(10**7):
- x = i %5
- main()
代码3与代码2相同，只是定义了变量i和x，以查看全局变量是否是导致难题代码性能变慢的原因。
运行代码3，用时805毫秒(代码2用时434 毫秒)。代码3的用时非常接近于代码1(即739毫秒)。这正如预计的，处理全局变量比处理局部变量(固定大小的数组与字典)花费更多的时间。
如你所见，只需要了解一点关于Python解释器的工作原理，以及从dis库中得到帮助，这个难题即可迎刃而解。
