Python 3解释器是否具有JITfunction？
我发现，当我向Python提出更多的要求时，python并没有使用100％的机器资源，而且速度也不是很快，与许多其他解释语言相比，速度很快，但是与编译语言相比，我认为差异真是了不起。
使用Python 3中的Just In Time（JIT）编译器可以加快速度。
通常JIT编译器是唯一可以提高解释语言性能的东西，所以我指的是这个，如果有其他解决scheme可用，我很乐意接受新的答案。
首先，Python 3（.x）是一种语言，可以有任何数量的实现。 好吧，直到今天，除了CPython，实现都没有实现实现这些语言的版本。 但是这将改变（PyPy正在赶上）。
为了回答你所要问的问题：CPython，3.x或其他，不会，也不可能永远不会包含JIT编译器。 其他一些Python实现（本地PyPy，Jython和IronPython通过为构build的虚拟机重新使用JIT编译器）确实有一个JIT编译器。 当他们添加Python 3支持时，他们的JIT编译器没有任何理由停止工作。
但是，当我在这里，也让我解决一个错误的观念：
通常JIT编译器是唯一能够提高解释语言性能的东西
这是不正确的。 JIT编译器以其最基本的forms，仅仅消除了解释器的开销，这会导致你看到的一些放缓，但是对于大多数来说却不是。 一个好的 JIT编译器还执行一系列优化，从而消除了通常实现大量Python特性所需的开销（通过检测允许更有效实现的特殊情况），突出的例子是dynamictypes，多态性和各种内省function。
只是实现一个编译器没有帮助。 您需要非常聪明的优化，其中大部分只在非常特定的情况下和有限的时间窗口内有效。 JIT编译器在这里很容易，因为它们可以在运行时生成专门的代码（这是它们的全部重点），可以在运行时更容易（更准确地）分析程序，并且可以在优化失效时撤销优化。 与提前编译器不同，它们也可以与解释器交互，而且经常这样做，因为这是一个明智的devise决策。 我想这就是为什么他们和人们心目中的口译员联系在一起，尽pipe他们可以并且确实独立存在。
除了优化解释器的代码本身，例如HotPy（2）项目之外，还有其他一些方法可以使Python实现更快。 但是那些目前正处于研究或实验阶段，并且还没有显示其实际代码的有效性（和成熟度）。
当然，具体程序的性能取决于程序本身，而不是语言实现。 语言实现只能设置一个上限，以便您可以快速完成一系列操作。 一般来说，通过避免不必要的工作，即通过优化程序，您可以更好地提高程序的性能。 无论您是通过解释器，JIT编译器还是提前编译器来运行程序，情况都是如此。 如果你想要一些快速的东西，不要为了获得更快的语言实现而走出困境。 有一些应用程序在解释和dynamic的开销方面是不可行的，但是它们并不像你想象的那么普遍（并且经常通过调用机器代码编译的代码来解决）。
具有JIT的唯一Python实现是PyPy 。 Byt – PyPy是一个Python 2的实现，而不是Python 3的实现。 你可以支持Python 3端口 。
Numba项目应该可以在Python 3上工作。虽然这不是你所要求的，但你可以试试看： https : //github.com/numba/numba/blob/master/docs/source/doc/userguide第一 。
目前它不支持所有的Python语法。
您可以尝试python python兼容的pypy py3分支 ，但官方的CPython实现没有JIT。
这个网站上一些非常棒的Python开发人员最好的回答。
不过我想评论一下：在讨论解释型语言的速度时，我只想指向一个在这个位置托pipe的项目：计算机语言基准游戏
这是一个致力于运行基准的网站。 有指定的任务要做。 任何人都可以用他/她的首选语言提交解决scheme，然后testing比较每个解决scheme的运行时间。 解决scheme可以进行同行评审，通常由其他人进一步改进，并根据规范进行结果检查。 从长远来看，这是比较不同语言的最公平的基准testing系统。
正如您可以从这样的指示性摘要中看到的，与解释语言相比，编译语言相当快。 然而，差别可能不在于编译的确切types，而是Python（以及图中比python慢的其他）完全dynamic的事实。 对象可以随时修改。 types可以随时修改。 所以一些types检查必须延迟到运行时间，而不是编译时间。
所以虽然你可以争论编译器的好处，但你必须考虑到不同的语言有不同的function。 而这些function可能会以固有的价格出现。
最后，在谈论速度的时候：大多数情况下，语言不是一种语言，而是一种语言的迟缓，这是一个糟糕的algorithm。 我从来不必切换语言，因为速度太慢：当我的代码出现速度问题时，我修正了algorithm。 但是，如果代码中存在耗时的计算密集型循环，通常值得重新编译这些循环。 一个突出的例子是用脚本语言编写的用C语言编写的库（Perl XS库，或者Python的numpy / scipy，lapack / blas是可用于许多脚本语言的绑定的libs的例子）
如果你的意思是即时编译到字节码表示，那么它有这样一个function（自2.2）。 如果你的意思是JIT机器码，那么没有。 然而，对字节码的编译提供了很多性能改进。 如果你想把它编译成机器码，那么Pypy就是你正在寻找的实现。
注意：pypy不适用于Python 3.x
如果您正在寻找代码块中的速度改进，那么您可能希望看看rpythonic ，它使用pypy编译到C。 它使用一个装饰器，在Python的JIT中转换它。
