psyco似乎在优化 Python 代码方面很有帮助，而且它以一种非常非侵入性的方式进行。
因此，人们不得不怀疑。假设您始终使用 x86 架构（现在大多数应用程序都运行在该架构上），为什么不总是使用psyco所有 Python 代码呢？它有时会出错并破坏程序的正确性吗？增加一些奇怪情况的运行时间？
你有任何负面的经历吗？到目前为止，我最消极的经历是它使我的代码速度仅提高了 15%。通常情况会更好。
自然，使用 psyco 并不能替代高效的算法和编码。但是，如果您可以以两行代码（导入和调用 psyco）的成本提高代码的性能，我认为没有充分的理由不这样做。
1）如其他答案中所述，内存开销是主要开销。您还需要支付编译成本，如果您没有选择性，这可能会令人望而却步。来自用户参考：
对于中型或大型应用程序而言，编译所有内容通常是多余的。编译过多的缺点在于编译所花费的时间，以及该进程消耗的内存量。这是一个微妙的平衡。
2) Psyco 编译实际上会损害性能。再次来自用户指南（“已知错误”部分）：
还有性能错误：Psyco 会减慢代码而不是加速代码的情况。很难列出可能的原因的完整列表，但这里有一些常见的原因：
- 必须避免使用内置函数
map和函数，并用列表理解替换。filter例如，map(lambda x: x*x, lst)应该替换为更易读但更新的语法[x*x for x in lst]。- 正则表达式的编译似乎并没有从 Psyco 中受益。（正则表达式的执行不受影响，因为它是 C 代码。）不要在这个模块上启用 Psyco；如有必要，明确禁用它，例如通过调用
psyco.cannotcompile(re.compile).
3) 最后，在一些相对隐蔽的情况下，使用 Psyco 实际上会引入错误。其中一些在此处列出。
Psyco 当前使用大量内存。它现在只能在与 Intel 386 兼容的处理器（在任何操作系统下）上运行。Python 的工作方式存在一些细微的语义差异（即错误）；它们在大多数程序中不应该很明显。
另请参阅注意事项部分。举一个困难的例子，我注意到我的带有 Cheetah 生成的模板和 DB I/O 的 Web 应用程序没有获得明显的加速。
使用 pyglet 时，我发现我无法在整个应用程序上使用 psyco，而不会使我的应用程序无法运行。当然，我可以在一小段数学繁重的代码中使用它，但这不是必需的，所以我没有打扰。
此外，psyco 对我的分析结果做了一些奇怪的事情（例如，完全不改变非 psyco 版本的结果）。我怀疑它不适合分析代码。
除非我真的想要速度，否则我不会真正使用它，这并不常见。我的首要任务是算法优化，这通常会带来更好的加速。
这也取决于你的瓶颈在哪里。我主要在做网络应用程序，瓶颈可能是更多的 IO 和数据库。所以你应该知道在哪里优化。
另请注意，也许您应该首先考虑您的代码，而不是直接将 psyco 扔给它。所以我同意 Devin 的观点，即算法优化应该放在首位，而且它们产生不良副作用的机会可能更小。
psyco 已死，不再维护。是时候寻找另一个了
永远不应该依靠一些灵丹妙药来解决您的问题。通常不需要使用 psyco 使慢速程序更快。糟糕的算法可以重写，需要速度的部分可以用另一种语言编写。当然，您的问题是问我们为什么不使用它来提高速度，并且使用 psyco 时会有一些开销。Psyco 使用内存，当您查看这两行代码时，感觉就像是开销。至于我为什么不使用 psyco 的个人原因，那是因为它不支持 x86_64，我认为这是新的新兴架构（尤其是 2038 迟早会到来）。我的替代方案是 pypy，但我也不完全喜欢它。
其他几件事：
很简单：“因为代码已经运行得足够快了”。