64位机器上psyco的替代方案
Psyco 是个很厉害的工具，在它能正常工作的情况下。不过，除非我们换成32位的Python版本，否则看起来64位的版本短期内是没希望了 。有没有什么其他的工具可以加速那些对CPU要求高的普通Python代码呢？
相关内容
2 个回答
PyPy，是Psyco开发者提到的一个工具，但它并不是一个简单的替代品，不能仅仅因为想在某些慢代码上提高速度就用它。它是一个完全不同的生态系统。
使用PyPy会带来很多影响，也会引发许多兼容性问题，尤其是对于大型项目来说，这个决定是非常重要的：这意味着你要切换到一个完全不同的Python实现，远离Python主要开发者的质量保证水平。大多数情况下，PyPy的速度提升被过分宣传了。初次执行时速度很慢，内存占用也很大，表现得很糟糕。提供的基准测试数据往往是“经过挑选”的。而且，项目中总是需要某些库，或者会遇到图形界面、服务器、IDE或调试问题，这些都会严重影响进度，增加开发和调试的时间。速度提升很难预测，也很难通过专注来调整，使用起来让人感觉不太舒服。
现在在CPython中加速瓶颈代码的成熟替代方案是Cython和Numba。（还有其他一些“短命的”选择在这里）
Numba是一个针对CPython的即时编译库（就像Psyco一样），主要关注数值代码。只需在瓶颈函数上加上一个jit装饰器，就能带来惊人的速度提升（10到200倍，比Psyco和PyPy都快）。而且它在与numpy数组结合使用时特别迅速！（与Psyco不同）；不过到目前为止，Numba对其他普通Python代码没有帮助，甚至会大幅减慢速度，尤其是那些主要处理对象属性、字符串、普通列表、字典等的代码。（最糟糕的情况是速度只有0.04倍，比Psyco还慢）。与Psyco不同，Numba的安装包很大，导入速度也慢（因为要引入numpy）。但它可以让你从选定的函数中创建预编译的静态模块，这样在部署时就不再需要Numba的安装（类似于Cython）。
Cython是一种将Python和C混合的静态编译语言（是Python语言的超集），它使用C编译器的流程，生成DLL模块，通常通过将一些瓶颈函数重构到一个单独的模块来使用。即使是未改变的较大Python模块经过Cython编译，也通常能带来大约2倍的速度提升，几乎是“白得”的！不过，这些编译后的DLL模块比.pyc/.pyo文件要大得多。Cython可以说是将Python字节码展开为直接的C函数调用，并对常量等进行一些小的优化。（例如，Wheezy.web的pip安装默认会毫不客气地将其所有代码进行Cython化，这在开发过程中会让调试和检查变得困难）
除了未改变代码的“免费”速度提升外，通过在热点Python代码中添加一些Cython静态类型声明，还可以相对简单地获得更大的速度提升（接近C语言的速度），特别是对于数值/数组代码和一些面向对象的工作。C语言的字符串处理需要更复杂的编码。
Cython允许通过关注瓶颈并以细致的方式无缝调整代码，持续提高速度，直到接近C语言的速度。这是它独特的优势，潜力远超Psyco、Numba和PyPy。这是一个成熟的选择，没有死胡同。
答案是使用 PyPy。在 http://psyco.sourceforge.net/introduction.html 上提到：
我在2006年的计划是把Psyco中的技术移植到PyPy上。
在一篇PyPy的 博客文章中，提到了一些重点和PyPy的状态：
...PyPy的亮点和状态：
* 大多数Python的基准测试运行速度比CPython或Psyco快很多
* 实际的PyPy编译工具链（200 KLocs）运行速度是之前的两倍
* 支持x86的32位和64位，并正在支持ARM
...