在PyPy下使用__slots__

Question

我有一个简单的代码，可以帮助我衡量带有__slots__类的性能（从此处获取 ）：

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秒钟左右得到一些结果-好的，它比没有插槽的速度更快（而且内存效率更高）。

但是，如果我在PyPy下运行代码（对于Mac OS / X，使用2.2.1-64位），它将开始使用100％CPU，并且“从不”返回（等待数分钟-没有结果）。

到底是怎么回事？ 我应该在PyPy下使用__slots__吗？

如果我将不同的数字传递给timeit()将会发生以下情况：

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，如果使用namedtuple则会观察到相同的行为：

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timeit 10,000次迭代中的每个迭代中，都从头开始重新创建该类。 在PyPy中创建类可能不是一个优化的操作。 甚至更糟的是，这样做可能会放弃JIT从该类的先前化身中学到的所有优化。 在JIT进行热身之前，PyPy往往会变慢，因此重复执行需要它进行热身的操作会降低您的性能。

当然，这里的解决方案是将类定义简单地移到被基准测试的代码之外。

Answer 2

要直接回答标题中的问题： __slots__对于PyPy的性能毫无意义（但不会影响）。