python直譯器相關

1.1 解釋型和編譯型語言的區別

1.1.1 解釋型語言通用解釋

通常不用對源**進行編譯，通過直譯器一邊執行一邊轉換，需要哪些源**就轉換哪些源**，不生成可執行程式

這種程式語言稱為解釋型語言，使用的轉換工具稱為直譯器

但是個解釋型語言太過於以來直譯器環境，而直譯器本身就是乙個虛擬環境，沒執行**前就申請記憶體、開闢空間啟動直譯器，這樣其實過於消耗記憶體影響效率。

1.1.2 編譯型語言通用解釋

編譯型語言寫完後需要進行打包和編譯，這會導致編寫**的過程見效慢，但是打包之後就省事了，以後都可以直接使用，也就是說編譯後的使用方法非常方便，不像解釋型語言，雖然寫**見效快，但是執行起來慢。

編譯語言要求必須提前將所有的源**一次性轉換為二進位制指令，生成乙個可執行程式，比如像c這樣的程式語言就是編譯型語言，它所使用的工具稱為編譯器，也就是經常在linux下安裝程式時需要的gcc或者g++

1.1.3 二進位制指令

二進位制指令也就是機器碼，是cpu能夠識別的硬體層面的**，簡陋的硬體（古老的單機片）只能使用幾十個指令，強大的硬體（pc、智慧型手機）能使用成百上千個指令

1.2 p2 和 p3 的區別

1.3 直譯器的種類及特點

1.4 列舉幾個pep8規範

1.4.1 rfc

1.4.2 pep82.1 切換碟符----命令列

c:\>f:

2.2 不同直譯器驗證高併發

num = 0
def change_it(n):
global num
for i in range(1000000): # 人為構造高併發
num -= n
num += n
print(num)
threads = [
threading.thread(target=change_it, args=(8,)),
# 加()是呼叫，宣告變數是不需要的，args裡面是元祖型別，不寫就是預設整形
threading.thread(target=change_it, args=(10,))
][t.start() for t in threads]
# 列推效能是普通for迴圈的7倍左右，因為在底層中，是不需要引用計數的
[t.join() for t in threads]
# 阻塞，所有執行緒結束，子執行緒才會結束
print(num)
# 對於pypy來說，可以解決高併發問題，效能遠超於cpython
# 高併發情況下，邏輯是沒問題的，但是編輯器存在問題，要加gil鎖

2.3 不同直譯器效果

2.3.1 cpython 效果

f:\monthforth\djangosnew\django19\django19>python test.py2-6 -6f:\monthforth\djangosnew\django19\django19>python test.py00 0f:\monthforth\djangosnew\django19\django19>python test.py -30-30

-30

2.3.2 pypy3 效果

f:\monthforth\djangosnew\django19\django19>python test.py00 0f:\monthforth\djangosnew\django19\django19>python test.py -30-30 -30f:\monthforth\djangosnew\django19\django19>pypy3 test.py 1010 10f:\monthforth\djangosnew\django19\django19>pypy3 test.py00

0

python直譯器相關

python直譯器配置 Python直譯器的配置

python 3直譯器 Python3 直譯器

python 3直譯器 Python3 直譯器

python直譯器相關

python直譯器配置 Python直譯器的配置

python 3直譯器 Python3 直譯器

python 3直譯器 Python3 直譯器

相關推薦