首先，请允许我隆重地宣布 Pyston v2 发布。Pyston v2 是 Python 编程语言的一种更快且高度兼容的实现。在我们的宏基准测试中，Pyston v2 比原版的 Python 3.8快20%。更重要的是，在你的代码上，它可以更快。Pyston v2 可以降低服务器成本，减少用户延迟，并提高开发人员的生产力。

Pystonv2 的部署非常简单，因此如果你希望获得更好的 Python 性能，那么我们建议你花五分钟时间尝试一下 Pyston。使用 Pyston v2 是最简单的加快项目速度的方法之一。

性能

Pystonv2 在许多工作负载上均提供了显著的速度提升，同时鲜有弊端。我们的工作重点一直放在 Web 服务工作负载上，但是 Pyston v2 在其他工作负载和流行的基准测试上也实现了更高的速度。

我们的团队整理了一份全新的公共 Python 宏基准测试套件，该套件可测量多个常用 Python 项目的性能。该套件中的基准规模超过了其他 Python 套件，因此可以更真实地代表实际的应用程序。尽管这导致我们的项目不如其他项目那样受人关注，但我们相信这个测试套件展示了 Pyston v2 在面对实际用例时可以更好地提升速度。Pyston v2 在宏基准测试上展示了性能的提升，在 chaos.py 和 nbody.py 等的测试中，其速度是标准 Python 的两倍。

下面是我们的性能测试结果：

                                            CPython 3.8.5                  Pyston 2.0               PyPy 7.3.2

Flaskblogging 预热时间         [1]n/a                                     n/a                             85s

flaskblogging 平均延迟               5.1ms                                4.1ms                    2 .5ms

flaskblogging p99 延迟               6.3ms                                5.2ms                     5.8ms

flaskblogging 内存使用                  47MB                             54MB                      228MB

djangocms 预热时间                    [1]n/a                                  n/a                         105s

djangocms 平均延迟                     14.1ms                             11.8ms                   15.9ms

djangocms p99 延迟                      15.0ms                              12.8ms                  179ms

djangocms 内存使用                      84MB                                 91MB                    279MB

Pylint 加速                                       1x                                     1.16x                           0.50x

mypy 加速                                         1x                                        1.07x                     [2]不支持

PyTorch 加速                                     1x                                      1.00x                         [2]不支持

PyPy 基准测试套件                           [3]1x                                    1.36x                         2.48x

上述结果是在运行了 Ubuntu 20.04 的 m5.large EC2 实例上收集的。

预热时间的定义为基准达到峰值性能的95％之前的时间。如果无法与噪声区分开，则用“n/a”表示。我们的延迟测试仅考虑预热后的行为。

mypy 和 PyTorch 不支持利用源代码自动构建 C 扩展名，因此这些 Pyston 的测试结果使用了不安全的兼容模式。

我们对 PyPy 基准套件进行了修改，使其仅运行与 Python 3.8兼容的基准。

结果分析

在我们的目标基准测试（djangocms + flaskblogging）中，Pyston v2 的平均延迟平均提高了1.22倍，p99 延迟平均提高了1.18倍，同时每个进程仅使用了几兆字节。我们尚未优化其他基准。

p99 延迟指的是响应时间分布的第99个百分位，是 Web 服务中的常用指标，它可以表示用户体验到的平均延迟。PyPy 在 djangocms 上的高p99延迟来自周期性的延迟峰值，大概是由于垃圾收集暂停导致的。CPython 和 Pyston 都表现出周期性的峰值，大概是由于它们的周期收集器引起的，但是它们的频率较低且幅度较小。

mypy 和 PyTorch 基准显示了 Pyston v2 的自然边界。这些基准测试都大部分都是在 C 扩展中完成的，这些扩展不受我们的 Python 加速影响。我们支持 C API，而且没有模拟层，因此我们可以进一步少量提升 mypy 性能，并且不会降低 pytorch 或 numpy 的性能。具体的收益取决于 Python 和 C 扩展的混合程度。

技术方法

我们在 Pyston v2 中使用的技术包括：

使用 DynASM 开销非常低的JIT

Quickening

常规的 CPython 优化

建立改进流程

兼容性

由于 Pyston 是 CPython 的分支，因此我们认为它是兼容性最高的 Python 实现之一。它支持 CPython 所有的功能以及 C API。

尽管从理论上来说 Pyston 的功能相同，但实际上，任何新的 Python 实现都存在或多或少的兼容性难题。

可用性

Pystonv 2.0可作为预编译包立即使用。当前，我们提供适用于 Ubuntu 18.04 和 20.04 x86_64 的软件包。

Pyston 的试用只需安装软件包即可，用 pyston3 替换 python3，然后用 pip-pyston3install 重新安装依赖项。如果你有现成的自动构建，则只需修改几行代码。

背景

我们在 Dropbox 设计了 Pyston v1，目的是加快其 Python 的 Web 服务工作量。项目结束后，我们团队中的一些人集思广益，集中讨论了如何采用不同的方式构建 Pyston。Pyston v2 的灵感来自 Pyston v1，但技术却与v1没有关系。