Python 兼容性

TL;DR¶

纯 Python 代码可以运行，但对象生命周期管理方面存在一些差异。使用 CPython C API 的模块可能可以运行，但无法通过 JIT 实现加速。我们鼓励库作者使用 CFFI 和 HPy 代替。

如果您正在寻找如何将 PyPy 与科学 Python 生态系统一起使用，我们建议您使用 conda，因为他们为 PyPy 打包了像 scikit-learn 和 SciPy 这样的常用库。

引用计数、__del__ 和资源使用¶

纯 Python 代码中不会被修复的主要区别是 PyPy 不支持引用计数语义，以在对象的 __del__ 被调用时“自动”释放状态。以下代码不会立即填充文件，而是在一段时间后，当 GC 进行收集并刷新输出时才会填充，因为只有在调用 __del__ 方法时才会关闭文件。

open("filename", "w").write("stuff")

正确的修复方法是

with open("filename", "w") as f:
    f.write("stuff")

同样的问题——没有关闭你的文件——也会出现在你的程序打开大量文件而没有显式关闭它们的情况下。在这种情况下，你很容易达到系统对同时打开的文件描述符数量的限制。

PyPy 可以使用命令行选项 -X track-resources 运行（例如，pypy -X track-resources myprogram.py）。当 GC 关闭未关闭的文件或套接字时，这会产生一个 ResourceWarning。还会给出分配文件或套接字的位置的回溯，这有助于找到缺少 close() 的位置。

类似地，请记住，您必须 close() 一个未耗尽的生成器，以便立即执行其待处理的 finally 或 with 子句。

def mygen():
    with foo:
        yield 42

for x in mygen():
    if x == 42:
        break    # foo.__exit__ is not run immediately!

# fixed version:
gen = mygen()
try:
    for x in gen:
        if x == 42:
            break
finally:
    gen.close()

更一般地说，__del__() 方法不像在 CPython 上那样具有预测性：它们在 PyPy 中“稍后运行”（或者如果程序在此期间完成运行，则根本不运行）。请参阅 此处了解更多详细信息。

为什么内存使用率如此之高？¶

请注意，PyPy 仅在 madvise() 系统调用（至少在 Linux、OS X、BSD）或 Windows 上之后才会将未使用的内存返回给操作系统。重要的是要意识到您可能不会在 top 中看到这一点。未使用的页面用 MADV_FREE 标记，它告诉系统“如果你在某个时候需要更多内存，请获取此页面”。只要内存充足，top 中的 RES 列可能会保持较高。（此规则的例外情况是那些没有 MADV_FREE 的系统，我们在其中使用 MADV_DONTNEED，它强制降低 RES。这包括 Linux <= 4.4。）

更多信息¶

可以在 我们的开发者网站 上找到更完整的已知差异列表。