关于使用C扩展或Cython优化复杂Python应用的教程
Python社区发布了一些有用的参考资料，介绍了如何分析Python代码的性能，以及如何使用C或Cython编写Python扩展的技术细节。不过，我仍在寻找一些教程，这些教程能够展示对于一些复杂的Python程序，以下几个方面：
- 如何找出那些通过转换为C扩展可以优化的关键部分
- 同样重要的是，如何识别那些不适合转换为C扩展的关键部分
- 最后，如何将Python代码适当地转换为C代码，可以使用Python的C-API，或者（可能更好）使用Cython。
一个好的教程应该能给读者提供一种方法，让他们通过完整的例子来思考优化的问题。我一直没有找到这样的资源。
你知道有这样的教程吗？或者你自己写过吗？
为了澄清，我不感兴趣的教程仅仅包括以下内容：
- 使用(c)Profile来分析Python代码的运行时间
- 使用工具来查看分析结果（我推荐RunSnakeRun）
- 通过选择更合适的算法或Python结构来进行优化（例如，使用集合进行成员测试而不是列表）；这些教程应该假设算法和Python代码已经是最优的，我们已经到了需要进行C扩展的阶段
- 重复Python关于编写C扩展的文档，虽然这部分文档作为参考非常优秀，但对于展示何时以及如何从Python转到C并没有太大帮助。
4 个回答
O'Reilly有一个教程，可以免费查看，我能把整个内容都读完。这个教程展示了如何对一个真实的项目进行性能分析（他们以一个EDI解析项目为例），并找出性能瓶颈。虽然在O'Reilly的文章中没有详细讲解如何写C扩展来解决这些瓶颈，但它确实涵盖了你在处理一个不简单的例子时需要关注的前两件事。
关于编写C扩展的过程，这里有比较详细的文档。最难的部分是想出如何用C语言来实现Python代码的功能，这需要一些不容易在教程中教会的东西：创造力、算法知识、硬件知识、效率意识，以及相当高的C语言技能。
希望这些信息对你有帮助。
第一点和第二点只是一些基本的优化原则。如果有你想要的那种教程，我会感到非常惊讶。也许这就是你找不到的原因。以下是我的简短总结：
- 优化的第一条规则是不要。
- 第二条规则是测量。
- 第三条规则是找出限制因素（如果是输入输出或数据库瓶颈，可能根本无法优化）。
- 第四条规则是思考，使用更好的算法和数据结构。
- 考虑换语言的优先级相对较低……
首先可以用常用的Python工具来分析你的Python代码，找出需要优化的地方。然后尽量在Python中进行优化。如果还是太慢，试着理解原因。如果是输入输出瓶颈，使用C语言也不一定会更好。如果问题出在算法上，C语言也未必会表现得更好。实际上，C语言能帮助的“好”情况非常少，运行时间应该离你想要的目标不远（比如提升2到3倍的速度），数据结构比较简单，确实需要低级表示来获得速度提升。在大多数情况下，用C语言替代Python的工作不会有太大回报。
实际上，从Python调用C代码时，考虑性能作为主要目标的情况非常少。更多时候，目标是让Python与现有的C代码进行接口对接。
正如其他人所说，你可能更应该考虑使用Cython。
如果你仍然想为Python编写C模块，所有必要的信息都在官方文档中。