为什么不总是将psyco用于Python代码？

Question

psyco似乎在优化Python代码方面非常有帮助，并且它以一种非侵入性的方式来实现。

因此，人们不得不怀疑。假设您始终使用x86架构（这是当今大多数应用程序在其中运行的架构），为什么不总是将其psyco用于所有Python代码呢？它有时会犯错误并破坏程序的正确性吗？在某些奇怪的情况下会增加运行时间吗？

您对此有任何负面经历吗？到目前为止，我最不利的经验是它使我的代码速度仅提高了15％。通常情况下会更好。

自然，使用psyco不能代替有效的算法和编码。但是，如果您能以两行（导入和调用psyco）为代价提高代码的性能，我就没有理由不这样做。

Answer 1

1）内存开销是主要开销，如其他答案所述。您还需要支付编译费用，如果您没有选择的话，这可能会让人望而却步。从用户参考：

对于中型或大型应用程序，编译所有内容通常是过大的。编译过多的缺点在于编译所花费的时间，以及此过程消耗的内存量。保持这种微妙的平衡。

2）Psyco编译实际上可能会损害性能。再次从用户指南中（“已知错误”部分）：

还有一些性能错误：Psyco减慢了代码而不是加速了代码的情况。很难完整列出可能的原因，但以下是一些常见原因：

• 必须避免内置函数map和filter功能，并用列表理解代替。例如，map(lambda x: x*x, lst)应该用更具可读性但较新的语法代替[x*x for x in lst]。
  * 正则表达式的编译似乎没有从Psyco中受益。（由于它是C代码，因此正则表达式的执行不会受到影响。）请勿在此模块上启用Psyco；否则，请启用Psyco。如有必要，可以明确地将其禁用，例如通过调用psyco.cannotcompile(re.compile)。
  
  
  

3）最后，在某些相对模糊的情况下，使用Psyco实际上会引入错误。其中一些列在这里。