時(shí)間管理可是一門大學(xué)問(wèn)，如何在有限的時(shí)間更快地運(yùn)行代碼，并且擁有更優(yōu)秀的性能，是我們應(yīng)該去思考的事情。畢竟，成為偉大程序員之路就是要不斷超越自己，尋找最優(yōu)解。本文就將給大家提供一些時(shí)間管理的小tips。

[[324798]]

1. 優(yōu)化代碼和算法

首先，要仔細(xì)閱讀你的代碼和算法。通過(guò)執(zhí)行更優(yōu)算法或添加緩存可以解決很多速度問(wèn)題。具體的準(zhǔn)則能寫整本書，但要遵循的一些通用準(zhǔn)則是：

• 測(cè)試，不要猜測(cè)。測(cè)試代碼哪些部分的運(yùn)行耗費(fèi)最長(zhǎng)時(shí)間，首先關(guān)注這些部分。
• 減少內(nèi)存使用量。通常情況下，請(qǐng)嘗試減少內(nèi)存使用量。例如：逐行分析一個(gè)大型文件，而不先將其存儲(chǔ)到內(nèi)存中。
• 執(zhí)行緩存。如果你從磁盤，網(wǎng)絡(luò)和數(shù)據(jù)庫(kù)中執(zhí)行許多重復(fù)的搜索，那么執(zhí)行緩存可能是一個(gè)很大的優(yōu)化。
• 盡可能減少代碼中的迭代次數(shù)，尤其減少迭代內(nèi)部操作的次數(shù)。
• 避免(深度)遞歸。對(duì)Python解釋器而言，這需要大量?jī)?nèi)存和內(nèi)務(wù)處理，改用生成器和迭代等。
• 重用對(duì)象，而不是在每次迭代中創(chuàng)建新對(duì)象。Python必須清理已經(jīng)創(chuàng)建的每個(gè)對(duì)象才能釋放內(nèi)存。這被稱作垃圾回收。許多未使用對(duì)象的垃圾回收過(guò)程會(huì)大大降低軟件速度。
• 不要這樣做。你真的需要執(zhí)行該操作嗎?它可以被放在之后完成嗎?或是該操作可被一次完成，并可以存儲(chǔ)其結(jié)果而不進(jìn)行一遍又一遍地計(jì)算?

2. 使用PyPy

你可能正在使用Python的參考實(shí)現(xiàn)——CPython，它之所以被稱作CPython，是因?yàn)樗蒀語(yǔ)言編寫而成。很多人都在用它。

但如果確定自己的代碼為計(jì)算密集型，PyPy會(huì)是一個(gè)更好的選擇。它有可能是一種快速解決方案，且無(wú)需更改單行代碼。

PyPy聲稱：它比CPython平均快4.4倍。它通過(guò)使用一種叫作即時(shí)編譯(JIT)的技術(shù)加快代碼執(zhí)行速度，其他的JIT還包括Java和.NET框架。而CPython使用解釋器執(zhí)行代碼，盡管這提供了很大程度的靈活性，速度卻非常慢。

使用JIT，可以在運(yùn)行程序的同時(shí)編譯代碼。它結(jié)合了提前編譯(由C和C ++等語(yǔ)言使用)的速度優(yōu)勢(shì)和解釋器的靈活性。此外，JIT編譯器還可以在代碼運(yùn)行時(shí)繼續(xù)將其優(yōu)化。代碼運(yùn)行時(shí)間越長(zhǎng)，就越優(yōu)化。

PyPy在近幾年里發(fā)展很快，通常可以被用作Python 2和3的直接替代。它也可以與Pipenv等工具完美配合使用。

3. 使用Asyncio

Asyncio是Python中一個(gè)相對(duì)較新的核心庫(kù)。它與線程解決了相同的問(wèn)題：即加速了I/O密集型軟件系統(tǒng)，但Asyncio實(shí)現(xiàn)方式不同。

筆者其實(shí)并不喜歡在Python中使用asyncio。Asyncio相當(dāng)復(fù)雜，特別是對(duì)于初學(xué)者。而且由于asyncio庫(kù)在過(guò)去的幾年中發(fā)展了很多，網(wǎng)絡(luò)上的教程和示例代碼通常已經(jīng)過(guò)時(shí)。

但這并不意味著它沒(méi)有用。這是一種強(qiáng)大的范例，可用于許多高性能應(yīng)用程序。

4. 使用多線程

多數(shù)軟件系統(tǒng)為I/O密集型，而非計(jì)算密集型：

• I/O密集型 —軟件系統(tǒng)通常在等待輸入/輸出操作完成。從網(wǎng)絡(luò)或慢速存儲(chǔ)器中獲取數(shù)據(jù)時(shí)通常是這種情況。
• 計(jì)算密集型 —軟件系統(tǒng)使CPU(中央處理器)達(dá)到極限。它使用CPU的所有功能來(lái)生成所需的結(jié)果。

在從網(wǎng)絡(luò)或磁盤中等待回答時(shí)，可以使用多個(gè)線程維持其他部分的運(yùn)行。

線程是獨(dú)立的執(zhí)行序列。默認(rèn)情況下，Python程序具有一個(gè)主線程。但可以創(chuàng)建更多線程，并讓Python在不同線程之間轉(zhuǎn)換。這種轉(zhuǎn)換發(fā)生非?？?，顯得似乎在同時(shí)并排運(yùn)行。

線程是獨(dú)立的執(zhí)行序列，共享相同的存儲(chǔ)

不同于其他語(yǔ)言，Python多線程不能同時(shí)運(yùn)行，而是輪流運(yùn)行，這主要是因?yàn)樗娜纸忉屍麈i(GIL)的機(jī)制。

可見(jiàn)，多線程將對(duì)I / O密集型軟件系統(tǒng)產(chǎn)生巨大影響，但對(duì)計(jì)算密集型軟件系統(tǒng)而言用途甚微。

為何會(huì)這樣?很簡(jiǎn)單。當(dāng)一個(gè)線程等待來(lái)自網(wǎng)絡(luò)的回答時(shí)，其他線程能夠繼續(xù)運(yùn)行。如果執(zhí)行大量網(wǎng)絡(luò)請(qǐng)求，使用多線程會(huì)大有不同。但如果多線程正在執(zhí)行大量計(jì)算，則它們只是等候自己的輪次再繼續(xù)執(zhí)行。線程只會(huì)引入更多的開(kāi)銷。

圖源：fadeevab

5. 同時(shí)使用更多處理器

如果軟件系統(tǒng)為計(jì)算密集型，則通?？梢酝ㄟ^(guò)同時(shí)使用更多處理器的方式來(lái)重寫代碼。這樣，就可以線性擴(kuò)展執(zhí)行速度。

這被稱做并行性。并非所有算法都可以并行運(yùn)行。例如，簡(jiǎn)單地并行化遞歸算法是不可能的。但是幾乎總會(huì)有一種替代算法可以很好地進(jìn)行并行工作。

有兩種使用更多處理器的方式：

• 在同一臺(tái)計(jì)算機(jī)上使用多個(gè)處理器和/或內(nèi)核。在Python中，這可以通過(guò)使用多處理庫(kù)來(lái)完成。
• 用計(jì)算機(jī)網(wǎng)絡(luò)來(lái)使用分布在多臺(tái)機(jī)器上的處理器。我們稱其為分布式計(jì)算。

不同于線程庫(kù)，多處理庫(kù)繞過(guò)了Python全局解釋器鎖。它實(shí)際上是通過(guò)生成多個(gè)Python實(shí)例來(lái)實(shí)現(xiàn)的。因此，使用多線程在一個(gè)Python進(jìn)程中輪流執(zhí)行，你將擁有多個(gè)Python處理器來(lái)同時(shí)運(yùn)行代碼。

可視化多處理

多處理庫(kù)又與線程庫(kù)十分相似。那為什么還要考慮線程化?沒(méi)錯(cuò)，線程處理“更輕便”。它只需要一個(gè)正在運(yùn)行的Python解釋器，所需的內(nèi)存更少，生成新進(jìn)程也有其開(kāi)銷。因此，如果代碼為I/O密集型，使用線程可能足夠了。

使軟件系統(tǒng)并行工作后，將分布式計(jì)算與諸如Hadoop之類的功能結(jié)合使用僅需一小步。通過(guò)利用云計(jì)算平臺(tái)，目前可以相對(duì)輕松地加快運(yùn)行速度。例如，可以在云中處理龐大的數(shù)據(jù)集，并在本地使用結(jié)果。使用混合操作方式，可以節(jié)省一些現(xiàn)金，要知道，云平臺(tái)的計(jì)算功能可是非常昂貴的。

希望以上這些小技巧能夠幫你擁有更快更強(qiáng)的代碼。