Question

我们将要查看的工具大体分为两类：提前编译工具（Cython、Shed Skin、Pythran）和“即时”编译工具（Numba、PyPy）。

通过提前编译（AOT），你会创建一个为你的机器定制的静态库。如果你下载了numpy、scipy或scikit-learn，它就会在你的机器上用Cython编译部分的库（或者如果你正在使用像Continuum’s Anaconda之类的分发包，你就会使用一个事先构建的预编译库）。通过在使用之前编译的方式，你就会获得一个能够在工作中立即拿来使用来解决你的问题的库。

通过即时编译，你不必提前做很多（如果有的话），你让编译器在使用时只逐步编译恰到好处的那部分代码。这就意味着你会有“冷启动”问题——如果你的大部分代码能够被编译并且当前都还没有被编译过，当你开始运行代码而且正在被编译时，就会跑得很慢。如果这事在你每次运行脚本时都发生，并且你运行这脚本很多次，开销就会变得很显著。PyPy会遭受这个问题，所以你可能不想要用它来处理短小且频繁运行的脚本。

当前情形向我们展示了提前编译可以给我们带来最快的速度提升，但这经常会需要大量的人力。即时编译提供了印象深刻的速度提升而且几乎不需要人工干预，但是它也会遇到刚才描述到的问题。当为你的问题选择正确的技术时，你不得不思考这些权衡问题。