（这是PyPy 的 Statistical profiler的后续）
我正在 PyPy 下运行一些 Python 代码，并希望对其进行优化。
在 Python 中，我会使用statprof或lineprofiler知道哪些确切的行导致了减速并尝试解决它们。但是在 PyPy 中，这两个工具都没有真正报告合理的结果，因为 PyPy 可能会优化掉一些行。我也不想使用cProfile，因为我发现很难提取报告函数的哪一部分是瓶颈。
有人对如何进行有一些提示吗？也许另一个在 PyPy 下运行良好的分析器？一般来说，如何为 PyPy 优化 Python 代码？
如果您了解 PyPy 架构的工作方式，您就会意识到试图精确定位各个代码行并没有真正的成效。您从用 RPython 编写的 Python 解释器开始，然后通过跟踪 JIT 运行，该 JIT 生成流图，然后转换这些图以优化 RPython 解释器。这意味着由正在运行的 RPython 解释器运行的 Python 代码的布局可能具有与实际运行的优化汇编器非常不同的结构。此外，请记住，JIT 总是在循环或函数上工作，因此逐行获取统计信息并没有那么有意义。因此，我认为cProfile可能对您来说确实是一个不错的选择，因为它会让您了解将优化集中在哪里。一旦您知道哪些函数是您的瓶颈，您就可以针对那些较慢的函数进行优化，而不是尝试修复一行 Python 代码。
执行此操作时请记住，PyPy 的性能特征与 cPython 非常不同。始终尝试以尽可能简单的方式编写代码（这并不意味着尽可能少的行）。还有一些其他的启发式方法会有所帮助，例如使用专门的列表，当你有少量的常量键时使用对象而不是字典，避免使用 C Python API 的 C 扩展等。
如果您真的，真的坚持尝试在线路级别进行优化。有几个选项。一种称为 JitViewer ( https://foss.heptapod.net/pypy/jitviewer )，它可以让您对 JIT 对您的代码执行的操作有一个非常低级别的视图。例如，您甚至可以看到对应于 Python 循环的汇编指令。使用该工具，您可以真正了解 PyPy 对代码的某些部分的行为速度有多快，因为您现在可以做一些愚蠢的事情，比如计算循环中使用的汇编指令的数量等。