在PyPy中使用__slots__

Question

我有一段简单的代码，用来测量带有 __slots__ 的类的性能（这个代码来自 这里）：

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)

如果我在 python2.7 下运行这段代码，结果大约是 6 秒 - 嗯，确实比没有使用 slots 的情况快很多（而且也更省内存）。

但是，如果我在 PyPy 下运行这段代码（使用的是 2.2.1 - 64位的 Mac OS/X），它就开始占用 100% 的 CPU，而且“永远”不会返回结果（我等了好几分钟 - 还是没有结果）。

这是怎么回事？我在 PyPy 下应该使用 __slots__ 吗？

如果我给 timeit() 传入不同的数字，会发生什么呢：

timeit(10) - 0.067s
timeit(100) - 0.5s
timeit(1000) - 19.5s
timeit(10000) - ? (probably more than a Game of Thrones episode)

提前谢谢你。

---

注意，如果我使用 namedtuple，也会出现同样的情况：

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

直接回答标题中的问题：__slots__ 在 PyPy 中对性能没有什么意义（但也不会造成伤害）。

Answer 2

在大约10,000次的timeit代码运行中，每次都会重新创建这个类。创建类的过程在PyPy中可能不是很高效；更糟糕的是，这样做可能会丢掉JIT（即时编译器）对之前类的优化信息。PyPy在JIT还没有完全准备好之前通常会比较慢，所以如果你频繁做需要它准备好的事情，就会严重影响性能。

解决这个问题的方法很简单，就是把类的定义放到被测试代码之外。