为什么 cython embedded plugins 在 cpython 解释器中比 rust-c 接口版本有更高的性能？

Question

想请教一些关于python解释器底层原理的问题，因为自己搜索的时候没有得到太多有用的信息。

我最近一直在使用 rust 编写 python 插件，这大大加快了 python 的 cpu 密集型任务，并且与 c 相比，它的编写速度也更快。但是它有一个缺点是，与使用 cython 的旧方案相比为了加速，rust（我使用的是pyo3）的调用开销似乎大于c（我使用的是cython），

例如，我们在这里得到一个空的 python function：

def empty_function():
    return 0

通过 for 循环在 Python 中调用它一百万次并计算时间，这样我们就可以发现每次调用大约需要 70 纳秒（在我的电脑中）。

如果我们将它编译成一个 cython 插件，使用相同的源代码：

# test.pyx
cpdef unsigned int empty_function():
    return 0

执行时间将减少到 40 纳秒。 这意味着我们可以使用 cython 进行一些细粒度的嵌入，我们可以期望它总是比原生 python 执行得更快。

然而，当涉及到 Rust 时，（老实说，我现在更喜欢使用 rust 进行插件开发而不是 cython，因为不需要在语法上做一些奇怪的黑客攻击），调用时间将增加到 140 纳秒，几乎是本机python，源码如下：

use pyo3::prelude::*;
use pyo3::wrap_pyfunction;

#[pyfunction]
fn empty_function() -> usize {
    0
}

#[pymodule]
fn testlib(_py: Python, m: &PyModule) -> PyResult<()> {
    m.add_function(wrap_pyfunction!(empty_function, m)?)?;
    Ok(())
}

这意味着rust不适合python的细粒度嵌入式替换。如果有一个任务调用时间很少，每次调用时间很长，那么使用rust是完美的。但是如果有一个任务会代码中调用了很多，那么rust好像不太合适，因为类型转换的开销会占用大部分加速时间。

我想知道这是否可以解决，更重要的是，我想知道这种差异的根本原因。 在它们之间调用时，cpython 解释器是否存在某种差异，例如调用 c 插件时 cpython 和 pypy 之间的差异？ 我在哪里可以获得更多信息？ 谢谢。

===

更新：

sorry各位，没想到我的问题会这么模棱两可，毕竟三者的源码都给了，用timeit测试function运行时几乎是python开发的约定俗成。

我的测试代码几乎与@Jmb 在评论中的代码完全相同，有一些细微的差别，我使用python setup.py build_ext --inplace方式来构建而不是裸露的 gcc，但这应该没有任何区别。 总之谢谢补充。

Answer 1

这里还值得注意的是，使用python setup.py build_ext --inplace编译 rust 扩展时会以未优化模式构建它们（同样适用于python setup.py develop或pip install -e. ）。

以下是 output 的摘录：

Finished dev [unoptimized + debuginfo] target(s) in 0.02s

要使用优化的二进制文件以“发布”模式构建，请使用：

pip install .

使用pip install. --verbose pip install. --verbose你可以看到区别：

Finished release [optimized] target(s) in 1.02s

这可以产生巨大的差异，在我的例子中，未优化的构建比优化的构建慢 9 倍。

Answer 2

正如评论中所建议的，这是一个自我回答。

由于评论部分的讨论没有得出明确的结论，所以我去 pyo3 的 repo 中提出了一个问题，并得到了其主要维护者的回应。

总之，结论是pyo3和cython编译的插件在cpython调用时没有本质区别。 当前的速度差异来自于优化深度的不同。

这是问题的链接： https://github.com/PyO3/pyo3/issues/1470