标签：解释 CPython Cpython Python 代码 JPython 编译 执行
python是一种编程语言。但这种语言有多种实现，而且与其他语言不同，python并没有一个专门的机构负责实现，而是由多个社区来实现。
其中使用c语言开发的叫做python，在于别的语言开发的python对比时为避免歧义通常称为CPython。
同样的，使用java开发的叫做JPython，使用.net开发的叫做IronPython。
而PyPy与CPython的不同在于，别的一些python实现如CPython是使用解释执行的方式，这样的实现方式在性能上是很凄惨的。而PyPy使用了JIT(即时编译)技术，在性能上得到了提升。
具体讲讲cpython和pypy:
CPython：是用C语言实现Pyhon，是目前应用最广泛的解释器。最新的语言特性都是在这个上面先实现，基本包含了所有第三方库支持，但是CPython有几个缺陷，一是(GIL)全局锁使Python在多线程效能上表现不佳，二是CPython无法支持JIT（即时编译），导致其执行速度不及Java和Javascipt等语言。于是出现了Pypy。
Pypy：是用Python自身实现的解释器。针对CPython的缺点进行了各方面的改良，性能得到很大的提升。最重要的一点就是Pypy集成了JIT。但是，Pypy无法支持官方的C/Python API，导致无法使用例如Numpy，Scipy等重要的第三方库。这也是现在Pypy没有被广泛使用的原因吧。
Python的解释执行：
1、由于Python是动态编译的语言，和C/C++、Java或者Kotlin等静态语言不同，它是在运行时一句一句代码地边编译边执行的，而Java是提前将高级语言编译成了JVM字节码，运行时直接通过JVM和机器打交道，所以进行密集计算时运行速度远高于动态编译语言。
2、PyPy，它使用了JIT（即时编译）技术，混合了动态编译和静态编译的特性，仍然是一句一句编译源代码，但是会将翻译过的代码缓存起来以降低性能损耗。相对于静态编译代码，即时编译的代码可以处理延迟绑定并增强安全性。绝大部分 Python代码都可以在PyPy下运行，但是PyPy和CPython有一些是不同的。
解释执行与编译执行的区别
看到了解释执行与编译执行两个专业词汇，看着熟悉，但不甚理解，然后在网上搜索了一下。
对于我们平时写的代码，一般计算机是没办法直接识别的，需要相应的编译器将其编译层机器代码（一些计算机可以直接识别的二进制代码），机器才能执行。
编译执行，顾名思义，要先编译再执行，这里需要有一个编译器，来将我们的代码全部编译成机器代码，然后进行执行。因为先整体进行编译，所以这里会生成编译后的机器代码。
解释执行，则是需要一个解释器，它会将我们的一句句解释成机器代码来执行，可以认为是，解释一句，执行一句。在这个过程中，不会生成中间文件。
通过对比发现，编译执行，只需要编译一次，多次运行。而解释执行的话，每运行一次程序，都要经过解释器的解释过程。
针对优缺点，可以从以下几个方面分析。
从启动效率来看，解释执行不需要进行编译操作，而编译执行，要经过编译过程。解释执行启动速度更快。
从运行效率来看，因为编译执行只需要编译一次，以后再运行就无需编译，而解释执行每次都要经过解释过程，所以编译执行效率更高。
从内存使用方面来看，编译执行需要生成编译后的机器码文件，而解释执行时逐句解释执行，所以解释执行对内存占用更少。
从跨平台的角度来看，因为解释执行每次可以根据不同的平台进行解释，例如js在linux和windows都可以运行，而C语言在windows下编译后的文件，只能在windows下才行执行。
对于大型项目来说，比较注重运行效率，核心代码一般都是采用编译执行的语言。而对于一些简单的操作，可以考虑使用解释执行的语言。
标签：解释,CPython,Cpython,Python,代码,JPython,编译,执行 来源： https://www.cnblogs.com/Inbreeze/p/14110902.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。